点赞还是点踩？语义倾向应用于评论的无监督分类

本文提出了一种简单的无监督学习算法，用于将评论分类为推荐（点赞）或不推荐（点踩）。评论的分类由包含形容词或副词的短语的平均语义倾向预测。当短语具有良好关联（如“细微差别”）时，语义倾向为正；当短语具有不良关联（如“非常随意”）时，语义倾向为负。本文中，短语的语义倾向计算为该短语与“excellent”的互信息减去该短语与“poor”的互信息。若短语的平均语义倾向为正，则评论被分类为推荐。该算法在410条来自Epinions的评论上评估，涵盖汽车、银行、电影和旅行目的地四个不同领域，平均准确率达74%。准确率从汽车评论的84%到电影评论的66%不等。