論文の概要: Teddy: A System for Interactive Review Analysis

• arxiv url: http://arxiv.org/abs/2001.05171v1
• Date: Wed, 15 Jan 2020 08:19:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 06:06:23.041456
• Title: Teddy: A System for Interactive Review Analysis
• Title（参考訳）: Teddy:インタラクティブレビュー分析システム
• Authors: Xiong Zhang and Jonathan Engel and Sara Evensen and Yuliang Li and \c{C}a\u{g}atay Demiralp and Wang-Chiew Tan
• Abstract要約: データサイエンティストは、レビューテキストに埋め込まれた情報を抽出、集約、理解するためのルールとモデルを開発することでレビューを分析する。 Teddyはインタラクティブなシステムで、データサイエンティストがレビューから素早く洞察を得て、パイプラインの抽出とモデリングを改善することができる。
• 参考スコア（独自算出の注目度）: 17.53582677866512
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reviews are integral to e-commerce services and products. They contain a wealth of information about the opinions and experiences of users, which can help better understand consumer decisions and improve user experience with products and services. Today, data scientists analyze reviews by developing rules and models to extract, aggregate, and understand information embedded in the review text. However, working with thousands of reviews, which are typically noisy incomplete text, can be daunting without proper tools. Here we first contribute results from an interview study that we conducted with fifteen data scientists who work with review text, providing insights into their practices and challenges. Results suggest data scientists need interactive systems for many review analysis tasks. In response we introduce Teddy, an interactive system that enables data scientists to quickly obtain insights from reviews and improve their extraction and modeling pipelines.
• Abstract（参考訳）: レビューはeコマースサービスや製品に不可欠なものだ。 ユーザの意見や経験に関する豊富な情報が含まれており、消費者の判断をよりよく理解し、製品やサービスのユーザエクスペリエンスを改善するのに役立つ。 今日、データサイエンティストは、レビューテキストに埋め込まれた情報を抽出、集約、理解するためのルールとモデルを開発することでレビューを分析する。 しかし、ノイズの多い不完全なテキストである何千ものレビューを扱うことは、適切なツールなしでは厄介なことになる。 ここではまず,レビューテキストを扱う15人のデータサイエンティストを対象に,その実践と課題に関する洞察を提供するインタビュー調査を行った。 その結果、データサイエンティストは多数のレビュー分析タスクにインタラクティブなシステムが必要であることが示唆された。 それに応えて,データサイエンティストがレビューから素早く洞察を得て,その抽出とモデリングパイプラインを改善するための,インタラクティブなシステムであるteddyを紹介します。

関連論文リスト

• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
  本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。 新たに登場したAI生成の文献レビューも評価されている。 この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
  大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。 我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
  論文  参考訳（メタデータ） (2023-10-02T17:40:01Z)
• Natural Language Processing in Customer Service: A Systematic Review [0.0]
  レビューは、顧客サービスにおけるNLP技術の利用に関する既存の研究を検討することを目的としている。 5つの主要な科学データベースから論文を抽出する。 Twitterは2番目によく使われるデータセットだった。
  論文  参考訳（メタデータ） (2022-12-16T18:17:07Z)
• 5-Star Hotel Customer Satisfaction Analysis Using Hybrid Methodology [0.0]
  我々の研究は、レビューデータから顧客満足度を判断する新しい方法を提案する。 これまで実施されてきた顧客満足度に関する多くの研究とは異なり、本研究は論文の新規性を持っている。
  論文  参考訳（メタデータ） (2022-09-26T04:53:10Z)
• Beyond Opinion Mining: Summarizing Opinions of Customer Reviews [20.534293365703427]
  この3時間のチュートリアルでは、意見要約の大幅な進歩について概観する。 リスナーは、研究と実践の両方に有用な知識に精通する。
  論文  参考訳（メタデータ） (2022-06-03T12:43:40Z)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• Can We Automate Scientific Reviewing? [89.50052670307434]
  我々は、最先端自然言語処理(NLP)モデルを用いて、科学論文の第一パスピアレビューを生成する可能性について論じる。 我々は、機械学習領域で論文のデータセットを収集し、各レビューでカバーされているさまざまなコンテンツに注釈を付け、レビューを生成するために論文を取り込み、ターゲットの要約モデルを訓練する。 総合的な実験結果から、システム生成レビューは、人間によるレビューよりも、論文の多くの側面に触れる傾向にあることが示された。
  論文  参考訳（メタデータ） (2021-01-30T07:16:53Z)
• Are Top School Students More Critical of Their Professors? Mining Comments on RateMyProfessor.com [83.2634062100579]
  RateMyProfessor.comの学生レビューとコメントは、学生の現実的な学習経験を反映している。 本研究は,学生のレビューやコメントに重要な情報が含まれており,授業や大学への入学に欠かせない参考文献として利用できることを実証する。
  論文  参考訳（メタデータ） (2021-01-23T20:01:36Z)
• Sentiment Analysis on Customer Responses [0.0]
  そこでは、意見マイニング、テキストマイニング、感情を利用する。 本研究は, スマートフォンを肯定的, 否定的, 中立的行動に分け, さまざまな意見の感傷的分析を行う。
  論文  参考訳（メタデータ） (2020-07-05T04:50:40Z)
• Topic Detection and Summarization of User Reviews [6.779855791259679]
  本稿では,レビューと要約の両方を解析して,効果的な新しい要約手法を提案する。 製品レビューと約1028の製品からなる新しいデータセットが、AmazonとCNETから収集されている。
  論文  参考訳（メタデータ） (2020-05-30T02:19:08Z)
• ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine Reading Comprehension [53.037401638264235]
  我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。 評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
  論文  参考訳（メタデータ） (2019-12-29T07:27:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。