論文の概要: Mining Changes in User Expectation Over Time From Online Reviews
- arxiv url: http://arxiv.org/abs/2001.09898v1
- Date: Mon, 13 Jan 2020 12:57:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 23:53:02.131961
- Title: Mining Changes in User Expectation Over Time From Online Reviews
- Title（参考訳）: オンラインレビューによる利用者期待の変化
- Authors: Tianjun Hou (LGI), Bernard Yannou (LGI), Yann Leroy, Emilie Poirson
(IRCCyN)
- Abstract要約: 本稿では,2世代の製品に対するオンラインレビューに基づいて,製品価格におけるユーザ期待の変化を捉えるアプローチを提案する。
まず、ルールベースの自然言語処理手法を用いて、レビューテキストから製品価格を自動的に識別し、構成する。
最後に,2世代連続製品のオンラインレビューにコンジョイント分析を適用することで,ユーザ期待の変化を見いだすことができる。
- 参考スコア（独自算出の注目度）: 0.7742297876120561
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Customers post online reviews at any time. With the timestamp of online
reviews, they can be regarded as a flow of information. With this
characteristic, designers can capture the changes in customer feedback to help
set up product improvement strategies. Here we propose an approach for
capturing changes of user expectation on product affordances based on the
online reviews for two generations of products. First, the approach uses a
rule-based natural language processing method to automatically identify and
structure product affordances from review text. Then, inspired by the Kano
model which classifies preferences of product attributes in five categories,
conjoint analysis is used to quantitatively categorize the structured
affordances. Finally, changes of user expectation can be found by applying the
conjoint analysis on the online reviews posted for two successive generations
of products. A case study based on the online reviews of Kindle e-readers
downloaded from amazon.com shows that designers can use our proposed approach
to evaluate their product improvement strategies for previous products and
develop new product improvement strategies for future products.
- Abstract（参考訳）: 顧客はいつでもオンラインレビューを投稿する。
オンラインレビューのタイムスタンプによって、それらは情報のフローと見なすことができる。
この特徴により、デザイナは顧客のフィードバックの変化を捉えて、製品改善戦略の立案を支援します。
本稿では,2世代の製品に対するオンラインレビューに基づいて,製品価格におけるユーザ期待の変化を捉えるアプローチを提案する。
まず、ルールベースの自然言語処理手法を使用して、レビューテキストから製品代を自動的に識別し、構成する。
次に, 商品属性の嗜好を5つのカテゴリに分類する狩野モデルに着想を得て, コンジョイント分析を用いて, 構造的価格を定量的に分類する。
最後に,2世代連続製品のオンラインレビューにコンジョイント分析を適用することで,ユーザ期待の変化を見いだすことができる。
amazon.comからダウンロードされたKindleの電子書籍リーダーのオンラインレビューに基づくケーススタディでは、設計者は提案したアプローチを用いて、以前の製品に対する製品改善戦略を評価し、将来の製品に対する新しい製品改善戦略を開発することができる。
関連論文リスト
- ForeSeer: Product Aspect Forecasting Using Temporal Graph Embedding [25.421723193835895]
Foreseerはレビューテキスト、製品ネットワーク、時間情報を効果的に統合することで、レビュー予測のための新しいフレームワークを提供する。
ForeSeerは,3年間で11,536,382のレビューと11,000の製品を含む実世界の製品レビューシステムで評価した。
論文 参考訳（メタデータ） (2023-10-07T16:21:04Z) - Towards Personalized Review Summarization by Modeling Historical Reviews
from Customer and Product Separately [59.61932899841944]
レビュー要約(review summarization)は、Eコマースのウェブサイトで製品レビューのメインの考え方を要約することを目的とした、簡単ではないタスクである。
Heterogeneous Historical Review aware Review Summarization Model (HHRRS)を提案する。
我々は、レビュー感情分類と要約を共同で行うマルチタスクフレームワークを採用している。
論文 参考訳（メタデータ） (2023-01-27T12:32:55Z) - Exploring the Distribution Regularities of User Attention and Sentiment
toward Product Aspects in Online Reviews [7.23135508361981]
本稿では,オンラインレビューの時間的視点から,ユーザの注意と製品面に対する感情の分布の規則性について考察する。
実証的な結果から,ユーザからの注目を製品面に当てはめることができ,短い期間に投稿されたレビューには,より多くの製品面が含まれていることが分かる。
論文 参考訳（メタデータ） (2022-09-08T10:23:16Z) - Automatic Controllable Product Copywriting for E-Commerce [58.97059802658354]
我々は、JD.comのeコマースレコメンデーションプラットフォームに、Eコマースのプレフィックスベースのコントロール可能なコピーライティング生成をデプロイする。
提案するECCCGの有効性を検証する実験を行った。
本稿では,リアルタイムのJD.com電子商取引レコメンデーションプラットフォームに,ECCCGと連携するデプロイアーキテクチャを導入する。
論文 参考訳（メタデータ） (2022-06-21T04:18:52Z) - Can Online Customer Reviews Help Design More Sustainable Products? A
Preliminary Study on Amazon Climate Pledge Friendly Products [0.0]
この論文は、Amazonの製品レビューを調査し分析し、以下の質問に新たな光を当てている。
スター格付けによって均等に分配された上位100のレビューは、3つの製品カテゴリが収集され、手動で注釈付けされ、分析され、解釈される。
レビューの12%から20%の間、直接または間接的に言及されたアスペクトや属性は、持続可能性の観点からこれらの製品の設計を改善するために利用することができる。
論文 参考訳（メタデータ） (2021-12-20T08:57:37Z) - 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) - PURS: Personalized Unexpected Recommender System for Improving User
Satisfaction [76.98616102965023]
本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。
3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2021-06-05T01:33:21Z) - Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。
高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
論文 参考訳（メタデータ） (2021-03-16T11:08:30Z) - User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。
ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。
実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-02-16T02:08:52Z) - E-commerce Query-based Generation based on User Review [1.484852576248587]
本稿では,従来のユーザによるレビューに基づいて,ユーザの質問に対する回答を生成するための新しいセク2seqベースのテキスト生成モデルを提案する。
ユーザの質問や感情の極性が与えられた場合,関心事の側面を抽出し,過去のユーザレビューを要約した回答を生成する。
論文 参考訳（メタデータ） (2020-11-11T04:58:31Z) - Mining customer product reviews for product development: A summarization
process [0.7742297876120561]
本研究は、顧客の好みや嫌いに関連する言葉や表現をオンラインレビューから識別し、構造化し、製品開発を指導することを目的としている。
著者らは,製品価格,感情,使用状況など,ユーザの嗜好の多面性を含む要約モデルを提案する。
ケーススタディでは、提案したモデルとアノテーションガイドラインにより、人間のアノテーションは、高信頼度でオンラインレビューを構造化できることを示した。
論文 参考訳（メタデータ） (2020-01-13T13:01:14Z)
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。