主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
王会珍,朱靖波.多维度等级评分模型优化技术.软件学报,2013,24(7):1545-1556
多维度等级评分模型优化技术
Optimizations of Multi-Aspect Rating Inference Model
投稿时间:2011-09-29  修订日期:2012-02-15
DOI:10.3724/SP.J.1001.2013.04278
中文关键词:  排序学习  有序回归模型  多维度等级评分模型  情感分析  协同过滤
英文关键词:learning to rank  ordinal regression model  multi-aspect rating inference model  sentiment analysis  collaborative filtering
基金项目:国家自然科学基金(61073140, 61100089); 高等学校博士学科点专项科研基金(20100042110031); 中央高校基本科研业务费专项资金(N110404012)
作者单位E-mail
王会珍 医学影像计算教育部重点实验室(东北大学), 辽宁 沈阳 110819
东北大学 自然语言处理实验室, 辽宁 沈阳 110819 
wanghuizhen@mail.neu.edu.cn 
朱靖波 医学影像计算教育部重点实验室(东北大学), 辽宁 沈阳 110819
东北大学 自然语言处理实验室, 辽宁 沈阳 110819 
 
摘要点击次数: 2683
全文下载次数: 4664
中文摘要:
      研究了多维度等级评分模型的训练学习优化技术.为了解决不同用户之间的评分标注所存在的不一致性,提出两种简单、有效的模型训练优化技术,包括基于容忍度的样本选择方法和基于排序损失的样本选择方法.另外,为了充分利用不同特征的用户评分标注之间的相关性,提出了一个面向属性的协同过滤技术以改善多维度等级评分模型.在两个公开的英语和汉语真实餐馆评论数据集上进行实验验证,实验结果表明,所提出的方法有效地改善了等级评分的性能.
英文摘要:
      This paper addresses an issue of training optimization of multi-aspect rating inference. First, to address the issue of author inconsistency rating annotation, this paper proposes two simple approaches to improving the standard rating inference models by optimizing sample selection for training, including tolerance-based selection and ranking-loss-based selection methods. Second, to explore correlations between ratings across a set of aspects, this paper presents an aspect-oriented collaborative filtering technique to improve rating inference models. Experiments on two publicly available English and Chinese restaurant review data sets have demonstrated significant improvements over standard algorithms.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利