自监督句子级属性归纳方法

精确捕捉评价属性

引入潜在属性表示，从句子层面提取产品属性需求，减少信息损失，提升满意度评价的准确性。

Zhichu, Zhou · Ji, Feixia · Chang, Xiaokun · 刘雨佳 · Fujita, Hamido · 吴坚

Computers and Industrial Engineering 2024

技术优势

句子级捕捉

与以往使用单词的方法不同，本方法以句子为基本表达单元，从整句话中归纳属性，避免了单词级建模导致的信息损失。

情感可量化

通过情感分析模型将非结构化评论转换为语言二元组，在连续数值标度上表示情感倾向，便于进行精确的语言运算和满意度计算。

自监督训练

采用自监督对比学习训练潜在属性表示，无需人工标注属性标签，降低了数据标注成本并提升了适应性。

应用场景

• 电商满意度分析：用于电商平台直接从评论中归纳产品属性并计算满意度分数。
• 用户评价挖掘：用于从海量用户评论中自动归纳出关键评价属性。
• 客户反馈分析：用于将非结构化客户反馈转化为可量化的情感二元组。
• 产品质量改进：用于从评价中挖掘用户关注的产品属性，指导质量改进。