基于多维度图卷积网络的旅游评论有用性识别

摘要：

[目的]利用深度学习模型识别旅游评论的有用性,给予消费者和酒店管理者商业决策参考.[方法]提出多维度图卷积网络和多模态融合的有用性识别模型,使用BERT和MAE模型分别对文本和图片进行预训练,利用多维度图卷积网络对多模态特征进行建模,再通过注意力机制捕捉多模态间的交互信息,最后融人文本特征进行评论有用性识别.[结果]在Yelp数据集上进行对比实验,结果表明所提模型识别准确率为73.21％,相较于传统单模态和现有多模态模型平均提升了10％.[局限]仅在Yelp数据集上尝试文本和图片两种模态,其他数据融合以及更多模态有待研究.[结论]所提模型将多维度的图卷积网络和多模态特征融人评论有用性识别中,可以有效提升识别的效果.

关键词：多模态特征、多维度、图卷积网络、旅游评论、有用性识别

所属期刊栏目：7

分类号：TP391;G350(计算技术、计算机技术)

在线出版日期：2023-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：95-104