論文の概要: Hierarchical Text Interaction for Rating Prediction

• arxiv url: http://arxiv.org/abs/2010.07628v1
• Date: Thu, 15 Oct 2020 09:52:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 04:53:23.219545
• Title: Hierarchical Text Interaction for Rating Prediction
• Title（参考訳）: 階層型テキストインタラクションによるレーティング予測
• Authors: Jiahui Wen and Jingwei Ma and Hongkui Tu and Wei Yin and Jian Fang
• Abstract要約: 評価予測のための階層型テキストインタラクションモデルを提案する。 階層の異なる各ユーザ-イテムペア間のセマンティックな相関を利用する。 5つの実世界のデータセットの実験により、HTIは最先端のモデルよりも大きなマージンで優れていることが示された。
• 参考スコア（独自算出の注目度）: 8.400688907233398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional recommender systems encounter several challenges such as data sparsity and unexplained recommendation. To address these challenges, many works propose to exploit semantic information from review data. However, these methods have two major limitations in terms of the way to model textual features and capture textual interaction. For textual modeling, they simply concatenate all the reviews of a user/item into a single review. However, feature extraction at word/phrase level can violate the meaning of the original reviews. As for textual interaction, they defer the interactions to the prediction layer, making them fail to capture complex correlations between users and items. To address those limitations, we propose a novel Hierarchical Text Interaction model(HTI) for rating prediction. In HTI, we propose to model low-level word semantics and high-level review representations hierarchically. The hierarchy allows us to exploit textual features at different granularities. To further capture complex user-item interactions, we propose to exploit semantic correlations between each user-item pair at different hierarchies. At word level, we propose an attention mechanism specialized to each user-item pair, and capture the important words for representing each review. At review level, we mutually propagate textual features between the user and item, and capture the informative reviews. The aggregated review representations are integrated into a collaborative filtering framework for rating prediction. Experiments on five real-world datasets demonstrate that HTI outperforms state-of-the-art models by a large margin. Further case studies provide a deep insight into HTI's ability to capture semantic correlations at different levels of granularities for rating prediction.
• Abstract（参考訳）: 従来のレコメンデーションシステムは、データスパーシティや説明できないレコメンデーションなど、いくつかの課題に遭遇する。 これらの課題に対処するため、多くの研究がレビューデータから意味情報を活用することを提案する。 しかし、これらの手法には、テキストの特徴をモデル化し、テキストインタラクションをキャプチャする方法の2つの大きな制限がある。 テキストモデリングでは、ユーザ/テーマのすべてのレビューを単一のレビューにまとめるだけである。 しかし、単語/フレーズレベルの特徴抽出は、オリジナルのレビューの意味に反する可能性がある。 テキストインタラクションに関しては、予測層へのインタラクションを推論し、ユーザとアイテムの複雑な相関を捉えることができない。 これらの制約に対処するために、評価予測のための新しい階層的テキストインタラクションモデル(HTI)を提案する。 HTIでは,低レベルの単語意味論と高レベルのレビュー表現を階層的にモデル化する。 階層構造によって、異なる粒度でテキストの特徴を活用できます。 複雑なユーザ-テーマ間インタラクションをより多く捉えるために,各ユーザ-テーマペア間の意味的相関を異なる階層で活用する。 単語レベルでは,各ユーザとイズムのペアに特化するアテンション機構を提案し,各レビューを表す重要な単語をキャプチャする。 レビューレベルでは、ユーザとアイテム間でテキストの特徴を相互に伝達し、情報的レビューをキャプチャする。 集約されたレビュー表現は、評価予測のための協調フィルタリングフレームワークに統合される。 5つの実世界のデータセットの実験により、HTIは最先端のモデルよりも大きなマージンで優れていることが示された。 さらなるケーススタディは、評価予測のための様々なレベルの粒度で意味的相関をキャプチャするHTIの能力について深い洞察を与える。

関連論文リスト

• Beyond Coarse-Grained Matching in Video-Text Retrieval [50.799697216533914]
  きめ細かい評価のための新しいアプローチを導入する。 テストキャプションを自動的に生成することで,既存のデータセットにアプローチを適用することができる。 きめ細かい評価実験は、このアプローチがきめ細かな違いを理解するモデルの能力を高めることを実証している。
  論文  参考訳（メタデータ） (2024-10-16T09:42:29Z)
• CoheSentia: A Novel Benchmark of Incremental versus Holistic Assessment of Coherence in Generated Texts [15.866519123942457]
  自動生成テキストの人間知覚コヒーレンスに関する新しいベンチマークである sc CoheSentia を紹介する。 我々のベンチマークには、自動生成および人称注釈付き500の段落が含まれており、それぞれが両方の方法で注釈付けされている。 解析の結果,インクリメンタルモードにおけるアノテータ間の合意は,総合的な代替よりも高いことがわかった。
  論文  参考訳（メタデータ） (2023-10-25T03:21:20Z)
• Large Language Models are Diverse Role-Players for Summarization Evaluation [82.31575622685902]
  文書要約の品質は、文法や正しさといった客観的な基準と、情報性、簡潔さ、魅力といった主観的な基準で人間の注釈者によって評価することができる。 BLUE/ROUGEのような自動評価手法のほとんどは、上記の次元を適切に捉えることができないかもしれない。 目的と主観の両面から生成されたテキストと参照テキストを比較し,総合的な評価フレームワークを提供するLLMに基づく新しい評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-27T10:40:59Z)
• Consistency and Coherence from Points of Contextual Similarity [0.0]
  近年,事実整合性に特化して提案されているESTIME測度は,人間の専門家のスコアと高い相関性が得られる。 これは現在の要約方式には問題はないが、将来の要約システムには障害となる可能性がある。
  論文  参考訳（メタデータ） (2021-12-22T03:04:20Z)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• Hierarchical Bi-Directional Self-Attention Networks for Paper Review Rating Recommendation [81.55533657694016]
  本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。 具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。 我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
  論文  参考訳（メタデータ） (2020-11-02T08:07:50Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss [51.448615489097236]
  ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。 本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。 異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
  論文  参考訳（メタデータ） (2020-06-02T13:34:11Z)
• Generating Hierarchical Explanations on Text Classification via Feature Interaction Detection [21.02924712220406]
  特徴的相互作用を検出することによって階層的な説明を構築する。 このような説明は、単語とフレーズが階層の異なるレベルでどのように結合されるかを視覚化する。 実験は、モデルに忠実であり、人間に解釈可能な説明を提供する上で、提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2020-04-04T20:56:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。