基于改进图卷积神经网络的评论有用性识别

摘要：

[目的]充分建模评论中的特征观点语义偏差,提升评论有用性识别的性能.[方法]构建一种融合组块分析和特征隶属关系的FFGCN模型进行评论有用性识别.通过组块分析获得特征和观点词块作为图上节点,同时借助多粒度特征词库融入特征词间隶属关系构图,经过图上卷积进行评论二分类.[结果]FFGCN模型在两个数据集上的识别准确率分别为93.4％和93.9％,比基线模型最优结果分别提升0.9和1.0个百分点.[局限]选取手机评论数据进行实验,未将模型拓展到其他产品类型验证其识别性能.[结论]所提模型能够有效对评论文本进行建模,大大提高评论有用性识别的性能.

关键词：评论有用性、组块分析、特征观点对、图卷积网络

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部人文社会科学研究项目;桂林电子科技大学研究生教育创新计划资助项目

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：38-51