論文の概要: Needmining: Identifying micro blog data containing customer needs
- arxiv url: http://arxiv.org/abs/2003.05917v1
- Date: Thu, 12 Mar 2020 17:31:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 15:53:39.710131
- Title: Needmining: Identifying micro blog data containing customer needs
- Title（参考訳）: ニーズ分析:顧客ニーズを含むマイクロブログデータの同定
- Authors: Niklas K\"uhl, Jan Scheurenbrand, Gerhard Satzger
- Abstract要約: ニーズを表現した投稿を識別するための機械学習アプローチを提案する。
e-mobility領域におけるつぶやきの評価は、関連するつぶやきのごく一部を顕著な精度で識別できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The design of new products and services starts with the identification of
needs of potential customers or users. Many existing methods like observations,
surveys, and experiments draw upon specific efforts to elicit unsatisfied needs
from individuals. At the same time, a huge amount of user-generated content in
micro blogs is freely accessible at no cost. While this information is already
analyzed to monitor sentiments towards existing offerings, it has not yet been
tapped for the elicitation of needs. In this paper, we lay an important
foundation for this endeavor: we propose a Machine Learning approach to
identify those posts that do express needs. Our evaluation of tweets in the
e-mobility domain demonstrates that the small share of relevant tweets can be
identified with remarkable precision or recall results. Applied to huge data
sets, the developed method should enable scalable need elicitation support for
innovation managers - across thousands of users, and thus augment the service
design tool set available to him.
- Abstract（参考訳）: 新製品やサービスの設計は、潜在的な顧客やユーザのニーズを特定することから始まる。
観察、調査、実験のような既存の方法の多くは、個人から不満足なニーズを導き出すための特定の努力を描いている。
同時に、マイクロブログの膨大なユーザー生成コンテンツは、無償で自由にアクセス可能である。
この情報は、すでに既存の製品に対する感情を監視するために分析されているが、ニーズの明確化のためにはまだ準備されていない。
本稿では,この取り組みに重要な基盤を築き,ニーズを表現した投稿を識別するための機械学習アプローチを提案する。
e-mobility領域におけるつぶやきの評価は、関連するツイートの小さなシェアが顕著な精度やリコール結果で識別可能であることを示す。
巨大なデータセットに適用すれば、開発手法は、何千ものユーザにわたって、イノベーションマネージャに対するスケーラブルなニーズ緩和サポートを可能にし、サービス設計ツールセットを拡張できるようになります。
関連論文リスト
- Capturing and Anticipating User Intents in Data Analytics via Knowledge Graphs [0.061446808540639365]
この研究は、人間中心の複雑な分析を捉えるための基本的なフレームワークとして、知識グラフ(KG)の使用について検討する。
生成されたKGに格納されたデータは、これらのシステムと対話するユーザーに補助(例えばレコメンデーション)を提供するために利用される。
論文 参考訳（メタデータ） (2024-11-01T20:45:23Z) - Enhanced Semantic Graph Based Approach With Sentiment Analysis For User Interest Retrieval From Social Sites [0.0]
セマンティックグラフに基づくアプローチは、クライアントやユーザの参照を、ツイートなどの自身のテキストを分析して識別する研究手法である。
調査や評価などのインターネット関連のユーザアクティビティを必要とせず、ユーザの関心に関連する情報を収集する。
論文 参考訳（メタデータ） (2024-08-08T11:58:41Z) - How Much Data are Enough? Investigating Dataset Requirements for Patch-Based Brain MRI Segmentation Tasks [74.21484375019334]
ディープニューラルネットワークを確実にトレーニングするには、大規模なデータセットへのアクセスが必要である。
モデル開発に関連する時間的・経済的コストを緩和するためには,満足度の高いモデルをトレーニングするために必要なデータの量を明確に理解することが重要である。
本稿では,パッチベースのセグメンテーションネットワークのトレーニングに必要なアノテートデータの量を推定するための戦略的枠組みを提案する。
論文 参考訳（メタデータ） (2024-04-04T13:55:06Z) - Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。
我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。
我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
論文 参考訳（メタデータ） (2024-03-15T20:21:31Z) - An explainable machine learning-based approach for analyzing customers'
online data to identify the importance of product attributes [0.6437284704257459]
本稿では,製品開発におけるデザインの包括的意味を抽出するゲーム理論機械学習(ML)手法を提案する。
提案手法をKaggleの実際のラップトップのデータセットに適用し,結果に基づいて設計上の意味を導出する。
論文 参考訳（メタデータ） (2024-02-03T20:50:48Z) - Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。
そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
論文 参考訳（メタデータ） (2023-12-21T14:20:06Z) - Personalized Privacy Auditing and Optimization at Test Time [44.15285550981899]
本稿では、モデルがテスト時に正確な予測を返却するために、入力機能を必要とするかどうかを問う。
パーソナライズされた設定の下では、各個人は最終的な決定に影響を与えることなく、これらの機能の小さなサブセットだけをリリースする必要があるかもしれない。
複数の学習課題に対する評価は、個人が同じレベルの精度を確保するために、情報の10%しか報告できないことを示している。
論文 参考訳（メタデータ） (2023-01-31T20:16:59Z) - Exploring Attention-Aware Network Resource Allocation for Customized
Metaverse Services [69.37584804990806]
我々は、カスタマイズされたMetaverseサービスを実現するために、アテンション対応ネットワークリソース割り当てスキームを設計する。
目的は、ユーザーがより興味を持つ仮想オブジェクトにより多くのネットワークリソースを割り当てることである。
論文 参考訳（メタデータ） (2022-07-31T06:04:15Z) - Streaming Self-Training via Domain-Agnostic Unlabeled Images [62.57647373581592]
視覚認識モデル学習の過程を民主化することを目的としたストリーミング自己学習(SST)を提案する。
SSTの鍵となるのは、(1)ドメインに依存しない未ラベル画像により、追加の知識や監督なしにいくつかのラベル付き例でより良いモデルを学ぶことができ、(2)学習は継続的なプロセスであり、学習更新のスケジュールを構築することで行うことができる。
論文 参考訳（メタデータ） (2021-04-07T17:58:39Z) - Needmining: Designing Digital Support to Elicit Needs from Social Media [0.0]
典型的には、顧客ニーズの識別と分析が必要です。
従来のニーズを喚起する手法は時間制であり、貴重な洞察を提供する能力を示している。
本稿では,新しいデータソースを用いて顧客ニーズを自動的に識別し,定量化する手法を提案する。
論文 参考訳（メタデータ） (2021-01-14T14:49:19Z) - Online Learning Demands in Max-min Fairness [91.37280766977923]
本稿では,複数のユーザ間の希少リソースの割り当て機構について,効率的で公平で戦略に準拠した方法で記述する。
このメカニズムは複数のラウンドで繰り返され、各ラウンドでユーザの要求が変更される可能性がある。
各ラウンドの最後には、ユーザは受け取ったアロケーションに関するフィードバックを提供し、そのメカニズムが時間の経過とともにユーザの好みを学習することを可能にする。
論文 参考訳（メタデータ） (2020-12-15T22:15:20Z)
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。