Multi-criteria and Review-Based Overall Rating Prediction
Multi-criteria and Review-Based Overall Rating Prediction
复制标题
多标准和基于评论的总体评分预测
DOI：
10.1007/978-3-030-75765-6_38
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Le, Tuan
中科院分区：
文献类型：
--
作者：
Ceh-Varela, Edgar;Cao, Huiping;Le, Tuan
一个整体的评级不能揭示用户对产品的每一个功能的偏好的细节。电子商务网站的一个普遍做法是对产品的预定义方面和用户生成的评论进行评级。最近的多标准作品采用用户的方面偏好或用户评论来理解用户的意见和行为。然而，这些作品未能了解用户如何关联这些信息源时，用户表达他们的意见，一个项目。在这项工作中，我们presentMulti-task &Multi-CriteriaReview-basedRating（MMCRR），一个框架来预测项目的整体评级，通过学习用户如何表示他们的偏好时，使用多标准评级和文本评论。我们使用三个真实数据集和六个基线模型进行了广泛的实验。实验结果表明，MMCRR算法能够在减少预测误差的同时，更好地从数据中学习特征.
An overall rating cannot reveal the details of user’s preferences toward each feature of a product. One widespread practice of e-commerce websites is to provide ratings on predefined aspects of the product and user-generated reviews. Most recent multi-criteria works employ aspect preferences of users or user reviews to understand the opinions and behavior of users. However, these works fail to learn how users correlate these information sources when users express their opinion about an item. In this work, we presentMulti-task &Multi-CriteriaReview-basedRating (MMCRR), a framework to predict the overall ratings of items by learning how users represent their preferences when using multi-criteria ratings and text reviews. We conduct extensive experiments with three real-life datasets and six baseline models. The results show thatMMCRRcan reduce prediction errors while learning features better from the data.
基于矩阵分解和回归的多标准推荐系统方法
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
Gouri Sankar Majumder;P. Dwivedi;Vibhor Kant
通讯作者：
Vibhor Kant