• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Soft Computing and Pattern Recognition >Hidden Topics Modeling Approach for Review Quality Prediction and Classification
【24h】

Hidden Topics Modeling Approach for Review Quality Prediction and Classification

机译：隐藏的主题建模方法，用于审查质量预测和分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The automatic assessment of online review's quality is becoming important with the number of reviews increasing rapidly. In order to help determining review's quality, some online services provide a system where users can evaluate or feedback the helpfulness of review as crowdsourcing knowledge. This approach has shortcomings of sparse voted data and richer-get-richer problem in which favor reviews are voted frequently more than others. In this work, we use Latent Dirichlet Allocation (LDA) method to exploit hidden topics distribution information of all reviews and propose supervisor prediction model based on probabilistic meaning of the review's quality. We also propose a deep neural network to classify the review in quality and validate our proposals within some real reviews datasets. We demonstrate that using hidden topics distribution information could be helpful to improve the accuracy of review quality prediction and classification.
机译：在线评论的自动评估质量正在变得越来越重要，评论迅速增加。为了帮助确定审查的质量，一些在线服务提供了一个系统，用户可以评估或反馈审查的乐于乐于众群知识。这种方法具有稀疏投票数据和更丰富的富裕问题的缺点，其中有利于频繁的审查比其他人更多。在这项工作中，我们使用潜在的Dirichlet分配（LDA）方法利用所有评价的隐藏主题分布信息，并根据审查质量的概率意义来利用所有评价的隐藏主题分布信息。我们还提出了一个深度神经网络，以对质量进行分类，并在一些真实评论数据集中验证我们的提案。我们证明，使用隐藏的主题分布信息可能有助于提高审查质量预测和分类的准确性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号