Learning Interpretable Text Signals for Structured Responses
为结构化响应学习可解释文本信号
🧭 可解释评分预测 · 有监督主题模型
University of York
联合非负矩阵分解与二项回归，学习对齐评分的可解释文本主题表示
📌 工作参考价值（4 点）
- 评论驱动的评分预测场景中，可同时获得预测值和具体的主题-响应关联解释，直接用于商品评价洞察或 badcase 归因
- NMF 得到的文档-主题表示可作为下游推荐模型的可解释特征，替代或结合稠密 embedding，在特征工程阶段注入先验结构
- 联合训练的思路可迁移到深度学习：在 BERT 微调时增加评分回归辅助任务，并通过稀疏/非负约束增强可解释性
- 模型能恢复稳定信号，适合冷启动或数据稀疏场景，为在线反馈较少的商品提供鲁棒的文本侧特征