[论文解读] Product Review Summarization based on Facet Identification and Sentence Clustering

Duy Khang Ly, Kazunari Sugiyama+2 more|arXiv (Cornell University)|Oct 7, 2011

Sentiment Analysis and Opinion Mining参考文献 33被引用 9

一句话总结

本文提出了一种产品评论摘要系统，通过整合句法角色分析来增强基于方面（facet）的摘要，从而提升方面识别的准确性，并采用层次化与非层次化聚类方法按子主题对句子进行分组。该方法显著优于随机聚类，尤其在子主题数量较多时表现更优，能够生成更连贯、具备情感意识的摘要，并明确说明用户观点的依据。

ABSTRACT

Product review nowadays has become an important source of information, not only for customers to find opinions about products easily and share their reviews with peers, but also for product manufacturers to get feedback on their products. As the number of product reviews grows, it becomes difficult for users to search and utilize these resources in an efficient way. In this work, we build a product review summarization system that can automatically process a large collection of reviews and aggregate them to generate a concise summary. More importantly, the drawback of existing product summarization systems is that they cannot provide the underlying reasons to justify users' opinions. In our method, we solve this problem by applying clustering, prior to selecting representative candidates for summarization.

研究动机与目标

• 为解决现有摘要系统在提供用户观点背后原因方面的局限性，通过识别产品方面的子主题来实现。
• 通过将句法角色信息整合到最先进框架中，提升方面识别的准确性。
• 开发基于聚类的摘要组件，按共享子主题对句子进行分组，以生成更连贯、信息量更丰富的输出。
• 评估层次化与非层次化聚类方法在产品评论子主题分组中的有效性。
• 实现更详细的抽取式摘要，反映多个产品维度及子主题上的情感倾向。

提出的方法

• 系统首先利用增强句法角色特征的方法识别产品方面，以提高方面检测的精确度。
• 然后在句子层面应用聚类——包括层次化与非层次化聚类——利用句子相似度将共享相同子主题的句子分组。
• 聚类过程采用确定性算法，预估最终聚类数量，依赖于句子之间的语义相似度。
• 在每个聚类内分析情感极性，以在最终摘要中保留观点情感。
• 系统使用句子间的相似度度量来引导聚类，性能与随机聚类基线进行对比。
• 采用两阶段架构：(1) 集成句法角色的方面识别；(2) 子主题聚类后进行摘要生成。

实验结果

研究问题

• RQ1 句法角色信息的整合是否能提升产品评论摘要中方面识别的精确度？
• RQ2 层次化与非层次化聚类方法在按子主题对产品评论句子进行分组时的效率如何？
• RQ3 与仅进行方面级摘要相比，子主题级别的聚类是否能生成更连贯、更富信息量的摘要？
• RQ4 随着子主题数量的变化，所提出的聚类方法与随机聚类相比表现如何，尤其在子主题数量较多时？
• RQ5 系统在子主题层面捕捉情感的能力在多大程度上提升了摘要对用户的实用性？

主要发现

• 在所有评估产品（Camera、Phone、DVD）中，层次化与非层次化聚类方法均显著优于随机聚类。
• 当子主题数量较多时（如 Camera 中的 $Lens$，Phone 中的 $Service$），非层次化方法表现更优，因其更易收敛至全局最优解。
• 当子主题数量较小时（如 DVD 中的 $Service$），层次化方法保持更一致的性能，因其聚类更均衡。
• 当子主题数量较小时，相较于随机聚类的性能提升减弱，因为随机分配更可能正确分组。
• 系统预估的聚类数量与人工标注的子主题数量高度吻合，尤其在语义相似度测量准确时。
• 句法角色特征的整合提升了方面识别的精确度，为下游子主题聚类奠定了更坚实的基础。