适用异质数据无监督学习的多触端神经网络

摘要

在亚马逊零售市场上,正常用户的评论对其他客户有帮助,但还有一些机器人和垃圾账户有意进行大量评论,以提高特定产品的星级,或降低其竞争对手的星级。本文构建了一种新颖的神经网络结构,并设计了有效的损失函数。异构数据在神经网络内部进行训练,具有高速、自动化程度和准确的优点,该模型成功拣选出了信息量较大的评论。本模型同样具有局限性,由于随机初始化,在某些情况下神经网络会陷入一种懒惰状态,使大多数类别的评论几乎具有相同的权重,并通过少量的极端数据造成一种全局多样性的错觉。