[發明專利]一種考慮種子信息及因果關系的評論有用性預測方法

在審

• 申請號: 202310032346.9
• 申請日: 2023-01-10
• 公開（公告）號: CN116010702A
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 姜元春;張萌;錢洋;劉業政
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9532;G06F40/242;G06F40/30;G06Q30/0201
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種考慮種子信息及因果關系的評論有用性預測方法，其特征在于，包括：

S1、獲取評論文本及其對應的非文本數據，從而構建評論數據集D；

S11、獲取評論數據集D中包含K個常規主題的評論文本集合W＝{W₁,W₂,…,W_d,…,W_|D|}，其中，|D|表示評論文本集合W中評論文本的數量；W_d表示第d篇評論文本，且w_d,n表示第d篇評論文本W_d中的第n個單詞，N_d表示第d篇評論文本W_d中的單詞總數；

構建評論文本集合W的詞典V＝{w₁,...,w_v,...,w_|V|}，其中，w_v表示詞典V中的第v個單詞，|V|表示評論文本集合W中不重復的詞匯總數；

S12、獲取評論數據集D中的非文本數據集合U＝{Y,L,C₁,C₂}，其中，Y表示評論數據集D中的評論有用性評分，且Y＝{y₁,y₂,...,y_d,...,y_|D|}，y_d表示第d篇評論文本W_d所對應的評論有用性評分；L表示評論數據集D中的評論長度，且L＝{l₁,l₂,...,l_d,...,l_|D|}，l_d表示第d篇評論文本W_d所對應的評論長度；C₁表示評論數據集D中的評論評級，且C₁＝{c_1,1,c_1,2,...,c_1,d,...,c_1,|D|}，c_1,d表示第d篇評論文本W_d所對應的評論評級；C₂表示評論數據集D中的整體評級，且C₂＝{c_2,1,c_2,2,...,c_2,d,...,c_2,|D|}，c_2,d表示第d篇評論文本W_d所對應的整體評級；

S2、獲取用戶評論偏好，從而構建種子主題詞分布φ^s；

S21、基于用戶興趣偏好，按照式(1)生成第k個種子主題下的詞分布從而得到所有種子主題下的詞分布

式(1)中，為第k個種子主題對應的狄利克雷分布的先驗參數，～表示服從，Dir(·)表示狄利克雷分布；K表示主題的數量；

S3、基于評論數據集D和種子主題詞分布φ^s構建貝葉斯種子主題回歸模型；

S31、定義所有常規主題下的詞分布為其中，表示第k個常規主題下的詞分布，且滿足式(2)：

式(2)中，為第k個常規主題對應的狄利克雷分布的先驗參數；

S32、定義所有評論文本下的主題分布為θ＝{θ₁,...,θ_d,…,θ_|D|}，其中，θ_d表示第d篇評論文本W_d的主題分布，且θ_d滿足式(3)：

θ_d～Dir(α_d)?(3)

式(3)中，α_d為第d篇評論文本W_d對應的狄利克雷分布的先驗參數；

S33、按照式(4)生成第d篇評論文本W_d的第n個詞w_d,n所對應主題z_d,n，從而得到第d篇評論文本W_d的主題進而得到評論數據集D的主題集合Z＝[z₁,…,z_d,…,z_|D|]；

z_d,n～Mult(θ_d)?(4)

式(6)中，Mul(·)表示多項式分布；

S34、計算第d篇評論文本W_d的平均主題記為其中，表示第d篇評論文本W_d中第k個主題的平均結果；從而得到評論數據集D的平均主題

S35、按照式(5)生成第d篇評論文本text_d的第n個詞w_d,n所對應主題z_d,n的指示變量x_d,n：

式(5)中，Beta(·)表示貝塔分布，Bern(·)表示伯努利分布，表示指示變量x_d,n對應的伯努利分布的先驗參數，x_d,n表示第d篇評論文本W_d的第n個詞w_d,n是從第k個種子主題的詞分布中生成還是從第k個常規主題的詞分布中生成；當x_d,n＝0時，表示第d篇評論文本W_d的第n個詞w_d,n是從第k個常規主題詞分布中生成，且w_d,n服從參數為的多項分布，即當x_d,n＝1時，表示第d篇評論文本W_d的第n個詞是從第k個種子主題詞分布中生成，且w_d,n服從參數為的多項分布，即

S36、定義表示包含所有評論主題評論長度L、評論評級C₁、整體評級C₂的總體回歸設計矩陣；其中，表示包含評論長度L、評論評級C₁、整體評級C₂的矩陣，R表示實數矩陣，dim表示矩陣的維度；

S37、假設存在誤差ε，且滿足式(6)，并構建回歸方程y＝Aω+ε，且滿足式(7)：

ε～N(0,σ²I)(6)

式(6)和式(7)中，σ²為回歸方差，ω為回歸權重；I表示單位矩陣，N(·)表示高斯分布，IG(·)表示逆伽馬分布，均值m₀和協方差矩陣S_o是高斯分布的超參數，形狀a₀和尺度b_o是逆伽馬分布的超參數；

S38、考慮主題Z與矩陣B的關系，將矩陣B拆分為第一矩陣B_1,d與第二矩陣B_2,d，其中，B_1,d表示與主題Z具有相關性的矩陣，B_2,d表示與主題Z不具有相關性的矩陣，則評論有用性評分y_d滿足式(8)：

式(8)中，ω_z表示平均主題的權重向量，ω_zb表示第一矩陣B_1,d的權重向量，ω_b表示第二矩陣B_2,d的權重向量，表示克羅內克積，b_1,d表示第一矩陣B_1,d中的第d行，b_2,d表示第二矩陣B_2,d中的第d行，T表示轉置；

S4、基于所述評論數據集D，初始化步驟S2與步驟S3中的所有參數，并利用EM算法與吉布斯采樣方法對文檔主題分布、主題詞分布、評論有用性預測分布進行參數推斷；

S41、利用式(9)計算第d篇評論文本W_d的主題分布θ_d：

式(9)中，表示在去除第d篇評論文本W_d的第n個單詞后，第d篇評論文本W_d的第k個常規主題中的單詞數；

S42、利用式(10)計算第k個常規主題下的詞分布

式(10)中，表示在去除第d篇評論文本W_d的第n個單詞后，詞典V中第v個詞w_v在評論文本集合W中被分配給第k個常規主題的單詞數；

S43、利用式(11)計算評論有用性y_d的預測分布：

式(11)中，權重變量ω_z′，且滿足表示去除第d篇評論文本W_d的第n個詞w_d,n所對應主題z_d,n后的主題結果，b_d表示矩陣B中的第d行，∝表示正比于，n_d,n表示第d篇評論文本W_d的第n個詞w_d,n分配給K個主題的單詞數向量，表示第d篇評論文本W_d中除去第n個詞w_d,n后的其余詞分配給K個主題的單詞數向量。