[论文解读] CER: Complementary Entity Recognition via Knowledge Expansion on Large Unlabeled Product Reviews

Hu Xu, Sihong Xie+2 more|arXiv (Cornell University)|Dec 4, 2016

Sentiment Analysis and Opinion Mining参考文献 17被引用 7

一句话总结

本文提出CER，一种新颖的无监督方法，用于在产品评论中识别互补实体（Complementary Entity Recognition），通过句法依存路径和从无标注评论中进行知识扩展。通过利用基于少量种子动词提取的类别级领域知识，该方法在无需标注数据的情况下显著提升了精确率，即使在训练数据有限的情况下也能取得优异的F1分数。

ABSTRACT

Product reviews contain a lot of useful information about product features and customer opinions. One important product feature is the complementary entity (products) that may potentially work together with the reviewed product. Knowing complementary entities of the reviewed product is very important because customers want to buy compatible products and avoid incompatible ones. In this paper, we address the problem of Complementary Entity Recognition (CER). Since no existing method can solve this problem, we first propose a novel unsupervised method to utilize syntactic dependency paths to recognize complementary entities. Then we expand category-level domain knowledge about complementary entities using only a few general seed verbs on a large amount of unlabeled reviews. The domain knowledge helps the unsupervised method to adapt to different products and greatly improves the precision of the CER task. The advantage of the proposed method is that it does not require any labeled data for training. We conducted experiments on 7 popular products with about 1200 reviews in total to demonstrate that the proposed approach is effective.

研究动机与目标

• 为解决在电子产品配件等产品评论中识别互补实体（如兼容产品）的方法缺乏问题。
• 开发一种无需标注数据进行训练的无监督方法，以减轻标注负担。
• 通过仅使用少量种子动词在大规模无标注评论语料上扩展领域特定知识，从而提升识别精确率。
• 通过利用同类产品间共享的互补模式，实现在同一类别内不同产品间的有效方法迁移。
• 证明类别级领域知识可超越表面实体提及，增强对细粒度互补关系的检测能力。

提出的方法

• 该方法使用句法依存路径检测句子中潜在的互补实体关系，重点关注暗示兼容性的动词-宾语结构。
• 通过从同一产品类别内的大规模无标注评论中无监督挖掘，识别候选互补实体和领域特定动词。
• 利用少量通用种子动词（如“work”、“fit”、“connect”）扩展领域知识，从未标注数据中识别出类别特定的动词和实体。
• 将此领域知识应用于过滤假阳性样本——尤其是那些与方面抽取中使用的相似语言模式相混淆的样本——从而提高精确率。
• 该方法具有可扩展性和高效性，每组评论的运行时间低于一秒，且不依赖外部知识库或预标注数据。
• 通过整合依存解析和模式匹配，提取通过领域特定动词关联的实体，同时通过过滤非互补提及进一步提升精确率。

实验结果

研究问题

• RQ1 无监督方法是否能在无需任何标注训练数据的情况下，有效识别产品评论中的互补实体？
• RQ2 如何从大规模无标注评论语料中自动扩展领域特定知识，以提升识别精确率？
• RQ3 类别级知识（在相似产品间共享）在多大程度上能增强对细粒度互补关系的检测？
• RQ4 互补关系的语言模式与一般方面识别或命名实体识别的语言模式有何不同？
• RQ5 少量种子动词是否能有效引导在多样化产品类别中发现相关互补实体和动词？

主要发现

• CER6K+在所有测试产品上显著优于基础CER方法，证明通过知识扩展可有效降低假阳性，从而提升精确率。
• 仅使用3,000条评论进行知识扩展即可获得优异性能，表明方法具备良好的可扩展性与低数据依赖性。
• 即使在极少量标注数据下，该方法仍能取得高F1分数，证明其在低资源场景下的有效性。
• 引入如“hold”这类领域特定动词（用于平板支架）可显著提升精确率，有效过滤模糊或通用动词。
• 若去除噪声依存路径（如路径5和6），F1分数将进一步提升，表明模式选择仍有优化空间。
• 基线方法如CRF和UIUC NER表现欠佳，原因在于领域适应问题，且无法捕捉“tablet”或“phone”等非命名实体。