《User Modeling with Neural Network for Review Rating Prediction》评论打分预测
摘要： 传统的评分预测只考虑到了文本信息，没有考虑到用户的信息，因为同一个词 在不同的用户表达中是不一样的。同样good 一词， 有人觉得5分是good 有人觉得4分是good。但是传统的文本向量表达无法区分。所以每个人都应该有一个属于自己的词向量。 传统的是word embedding的方式，这样处理，忽略了文档的生成者的特性。 因此本文讨论的是如何利用用户信息，来“修正”单词的特征表示。 作者
相关文章
- 1. WWW2018-Neural Attentional Rating Regression with Review-level Explanations
- 2. Rating Prediction——评分预测小结
- 3. 论文Product-based Neural Network for User Response Prediction
- 4. 论文笔记 《Neural Attentional Rating Regression with Review-level Explanations》
- 5. Document Modeling with Gated Recurrent Neural Network for Sentiment Classification 论文阅读笔记
- 6. 【论文阅读笔记】Document Modeling with Gated Recurrent Neural Network for Sentiment Classification
- 7. Neural Attentional Rating Regression with Review-level Explanations阅读笔记
- 8. Graph Neural Network Review
- 9. LSTM Neural Networks for Language Modeling
- 10. 《ABCNN: Attention-Based Convolutional Neural Network for Modeling Sentence Pairs》
- 更多相关文章...
- • Lua for 循环 - Lua 教程
- • Swift for 循环 - Swift 教程
- • Git五分钟教程
- • 算法总结-二分查找法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. WWW2018-Neural Attentional Rating Regression with Review-level Explanations
- 2. Rating Prediction——评分预测小结
- 3. 论文Product-based Neural Network for User Response Prediction
- 4. 论文笔记 《Neural Attentional Rating Regression with Review-level Explanations》
- 5. Document Modeling with Gated Recurrent Neural Network for Sentiment Classification 论文阅读笔记
- 6. 【论文阅读笔记】Document Modeling with Gated Recurrent Neural Network for Sentiment Classification
- 7. Neural Attentional Rating Regression with Review-level Explanations阅读笔记
- 8. Graph Neural Network Review
- 9. LSTM Neural Networks for Language Modeling
- 10. 《ABCNN: Attention-Based Convolutional Neural Network for Modeling Sentence Pairs》