[發(fā)明專利]一種考慮種子信息及因果關(guān)系的評(píng)論有用性預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310032346.9
• 申請(qǐng)日: 2023-01-10
• 公開（公告）號(hào): CN116010702A
• 公開（公告）日: 2023-04-25
• 發(fā)明（設(shè)計(jì)）人: 姜元春;張萌;錢洋;劉業(yè)政
• 申請(qǐng)（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): 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(zé)任公司 34101
• 代理人: 陸麗莉;何梅生

本發(fā)明公開了一種考慮種子信息及因果關(guān)系的評(píng)論有用性預(yù)測(cè)方法，包括獲取評(píng)論文本及其對(duì)應(yīng)的非文本數(shù)據(jù)，從而構(gòu)建評(píng)論數(shù)據(jù)集D；獲取用戶評(píng)論偏好，從而構(gòu)建種子主題詞分布φsupgt;s/supgt;；基于評(píng)論數(shù)據(jù)集D和種子主題詞分布φsupgt;s/supgt;構(gòu)建貝葉斯種子主題回歸模型；基于所述評(píng)論數(shù)據(jù)集D，初始化步驟S2與步驟S3中的所有參數(shù)，并利用EM算法與吉布斯采樣方法對(duì)文檔主題分布、主題詞分布、評(píng)論有用性預(yù)測(cè)分布進(jìn)行參數(shù)推斷。本發(fā)明通過加入種子信息來允許用戶指導(dǎo)主題的發(fā)現(xiàn)過程，從而能快速、準(zhǔn)確地挖掘?qū)τ脩絷P(guān)注的有益主題，同時(shí)通過聯(lián)合建模評(píng)論文本和評(píng)論相關(guān)數(shù)據(jù)來提高預(yù)測(cè)精度，可廣泛應(yīng)用于因果推斷和語言學(xué)領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及評(píng)論有用性預(yù)測(cè)技術(shù)領(lǐng)域，具體涉及一種考慮種子信息及因果關(guān)系的評(píng)論有用性預(yù)測(cè)方法。

背景技術(shù)

互聯(lián)網(wǎng)的迅猛發(fā)展使得在線交互成為一種全球性的日常現(xiàn)象，這為人們的生活帶來了極大的便利。與此同時(shí)，隨之產(chǎn)生的巨量評(píng)論文本數(shù)據(jù)也變得唾手可得。這些數(shù)據(jù)中蘊(yùn)含著社會(huì)、市場(chǎng)、企業(yè)和消費(fèi)者的行為特征。因此為了使數(shù)據(jù)價(jià)值得以體現(xiàn)，研究人員必須能夠提取潛在的數(shù)據(jù)特征，以衡量、理解并解釋其背后所代表的市場(chǎng)行為的原因結(jié)果。

為了從非結(jié)構(gòu)化的評(píng)論文本數(shù)據(jù)中提取潛在的數(shù)據(jù)特征，研究者提出了主題建模技術(shù)。主題建模可以幫助我們從文本中提取隱含的語義信息。但對(duì)于營(yíng)銷者而言，單單得到文本的潛在語義特征是不夠的，他們更希望從這些特征中獲得有價(jià)值的用戶反饋，并用于改進(jìn)商品或服務(wù)以提升自身核心競(jìng)爭(zhēng)力。

但是，現(xiàn)有融合主題模型的評(píng)論有用性預(yù)測(cè)方法存在三個(gè)問題。其一，利用傳統(tǒng)主題模型從文本數(shù)據(jù)中提取潛在的數(shù)據(jù)特征是一個(gè)無監(jiān)督的過程，其最大的局限性在于提取到的數(shù)據(jù)特征并不總是有意義的或是用戶感興趣的；其二，目前的研究大多關(guān)注數(shù)據(jù)間的相關(guān)關(guān)系來達(dá)到更好的預(yù)測(cè)結(jié)果，忽視了因果關(guān)系在干預(yù)、預(yù)測(cè)評(píng)論有用性中所起到的關(guān)鍵作用。其三，部分考慮因果關(guān)系的評(píng)論有用性預(yù)測(cè)研究多采用雙階段的方法來進(jìn)行因果推斷，但是由于文本本身作為一種估計(jì)數(shù)據(jù)，如果將文本與預(yù)測(cè)數(shù)據(jù)分開估計(jì)，那么由此產(chǎn)生的因果效果是有偏差的。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種考慮種子信息及因果關(guān)系的評(píng)論有用性預(yù)測(cè)方法，以期能解決現(xiàn)有基于文本的因果推斷方法無法聯(lián)合估計(jì)評(píng)論文本和評(píng)論長(zhǎng)度、評(píng)論評(píng)級(jí)、整體評(píng)級(jí)相關(guān)數(shù)據(jù)信息以及無法從文本數(shù)據(jù)中獲得連貫、有意義的主題特征的問題；從而能提高預(yù)測(cè)準(zhǔn)確性，同時(shí)基于因果推斷的評(píng)論有用性預(yù)測(cè)結(jié)果可以有效直接指導(dǎo)營(yíng)銷者進(jìn)行決策，并能提高決策準(zhǔn)確性。

為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：

本發(fā)明一種考慮種子信息及因果關(guān)系的評(píng)論有用性預(yù)測(cè)方法的特點(diǎn)在于，包括：

S1、獲取評(píng)論文本及其對(duì)應(yīng)的非文本數(shù)據(jù)，從而構(gòu)建評(píng)論數(shù)據(jù)集D；

S11、獲取評(píng)論數(shù)據(jù)集D中包含K個(gè)常規(guī)主題的評(píng)論文本集合W＝{W₁,W₂,…,W_d,…,W_D}，其中，|D|表示評(píng)論文本集合W中評(píng)論文本的數(shù)量；W_d表示第d篇評(píng)論文本，且w_d,n表示第d篇評(píng)論文本W(wǎng)_d中的第n個(gè)單詞，N_d表示第d篇評(píng)論文本W(wǎng)_d中的單詞總數(shù)；

構(gòu)建評(píng)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(gè)單詞，|V|表示評(píng)論文本集合W中不重復(fù)的詞匯總數(shù)；