論文の概要: Positive emotions help rank negative reviews in e-commerce
- arxiv url: http://arxiv.org/abs/2005.09837v1
- Date: Wed, 20 May 2020 03:34:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 05:48:19.747795
- Title: Positive emotions help rank negative reviews in e-commerce
- Title(参考訳): ポジティブ感情がeコマースのネガティブレビューのランク付けに役立つ
- Authors: Di Weng, Jichang Zhao
- Abstract要約: 本研究の目的は、オンライン販売者や生産者に対して、特定の商品属性の下で最も有用なネガティブレビューを提供することである。
肯定的な感情は、否定的な評価のランク付けにおいて、否定的な感情よりも有益であることがわかった。
提示されたランキング手法は、オンライン消費者からの否定的なレビューを効果的かつ効果的に活用する手段を、eコマース実践者に提供することができる。
- 参考スコア(独自算出の注目度): 4.1282165031966205
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Negative reviews, the poor ratings in postpurchase evaluation, play an
indispensable role in e-commerce, especially in shaping future sales and firm
equities. However, extant studies seldom examine their potential value for
sellers and producers in enhancing capabilities of providing better services
and products. For those who exploited the helpfulness of reviews in the view of
e-commerce keepers, the ranking approaches were developed for customers
instead. To fill this gap, in terms of combining description texts and emotion
polarities, the aim of the ranking method in this study is to provide the most
helpful negative reviews under a certain product attribute for online sellers
and producers. By applying a more reasonable evaluating procedure, experts with
related backgrounds are hired to vote for the ranking approaches. Our ranking
method turns out to be more reliable for ranking negative reviews for sellers
and producers, demonstrating a better performance than the baselines like BM25
with a result of 8% higher. In this paper, we also enrich the previous
understandings of emotions in valuing reviews. Specifically, it is surprisingly
found that positive emotions are more helpful rather than negative emotions in
ranking negative reviews. The unexpected strengthening from positive emotions
in ranking suggests that less polarized reviews on negative experience in fact
offer more rational feedbacks and thus more helpfulness to the sellers and
producers. The presented ranking method could provide e-commerce practitioners
with an efficient and effective way to leverage negative reviews from online
consumers.
- Abstract(参考訳): 負のレビュー、購入後の評価の低さは、電子商取引、特に将来の販売と企業株形成に不可欠の役割を果たす。
しかし、現在の研究では、より良いサービスや製品を提供する能力の強化において、販売者や生産者にとっての潜在的な価値を調査することはめったにない。
電子商取引保持者の視点でレビューの有用性を利用した場合、代わりに顧客向けのランキング手法が開発された。
このギャップを埋めるため,説明テキストと感情極性の結合という観点からは,オンライン販売者や製作者に対して,特定の製品属性の下で最も有用な否定的レビューを提供することが目的である。
より合理的な評価手順を適用することで、関連するバックグラウンドを持つ専門家が雇用され、ランキングアプローチに投票する。
当社のランキング手法は,販売者や生産者に対するネガティブレビューのランク付けに信頼性が高く,BM25などのベースラインよりも8%高い結果が得られた。
本稿では,これまでの感情の理解を深めてレビューを評価する。
特に、否定的評価のランク付けにおいて、否定的感情よりも肯定的な感情の方が有益であることがわかった。
ランキングにおけるポジティブな感情からの予期せぬ強化は、実際にはネガティブな経験に対する偏りのないレビューが、より合理的なフィードバックを提供し、販売者や生産者に役立つことを示唆している。
提示されたランキング手法は、オンライン消費者のネガティブレビューを効果的かつ効果的に活用する方法を提供する。
関連論文リスト
- Beyond Thumbs Up/Down: Untangling Challenges of Fine-Grained Feedback for Text-to-Image Generation [67.88747330066049]
きめ細かいフィードバックは、画像の品質と迅速な調整におけるニュアンスドの区別を捉えます。
粗いフィードバックに対する優位性を示すことは、自動ではないことを示す。
きめ細かいフィードバックを抽出し活用する上で重要な課題を特定します。
論文 参考訳(メタデータ) (2024-06-24T17:19:34Z) - IntentionQA: A Benchmark for Evaluating Purchase Intention Comprehension Abilities of Language Models in E-commerce [71.37481473399559]
本稿では,eコマースにおけるLMの購入意図の理解を評価するためのベンチマークであるIntentionQAを提案する。
インテンションQAは、自動化パイプラインを使用して構築された3つの困難レベルにわたる4,360の慎重に計算された問題で構成されている。
人間の評価は、我々のベンチマークの高品質で低い偽陰性率を示す。
論文 参考訳(メタデータ) (2024-06-14T16:51:21Z) - Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。
アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。
本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
論文 参考訳(メタデータ) (2024-04-19T16:45:50Z) - On the Role of Reviewer Expertise in Temporal Review Helpfulness
Prediction [5.381004207943597]
有用なレビューを識別する既存の方法は、主にレビューテキストに焦点をあて、レビューを投稿する(1)とレビューを投稿する(2)の2つの重要な要素を無視する。
本稿では,過去のレビュー履歴から得られたレビュアの専門知識と,レビューの時間的ダイナミクスを統合し,レビューの有用性を自動的に評価するモデルを提案する。
論文 参考訳(メタデータ) (2023-02-22T23:41:22Z) - Generating Persuasive Responses to Customer Reviews with Multi-Source
Prior Knowledge in E-commerce [11.586256303135329]
顧客レビューは通常、自分のオンラインショッピング体験に関する多くの情報を含んでいる。
各否定的なレビューに対して慎重にかつ説得力を持って回答し、その不利な効果を最小限に抑えることが不可欠である。
説得応答生成のためのマルチソースマルチアスペクト注意生成モデルを提案する。
論文 参考訳(メタデータ) (2022-09-20T06:20:45Z) - Attention-based Bidirectional LSTM for Deceptive Opinion Spam
Classification [0.0]
不正なレビューは様々なオンラインレビュープラットフォームに意図的に投稿され、顧客が商品やレストランを購入したり、訪ねたり、気を散らすのを手伝う。
この研究は、レビューを偽りまたは真偽として検出し分類することを目的としている。
これには、レビューの分類と提案されたアプローチの概要のための様々なディープラーニング技術の使用が含まれる。
論文 参考訳(メタデータ) (2021-12-29T19:02:04Z) - 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) - 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) - Abstractive Opinion Tagging [65.47649273721679]
eコマースでは、意見タグは、アイテムのレビューの特徴を反映したEコマースプラットフォームが提供するタグのランクリストを指す。
意見タグを生成するための現在のメカニズムは、手作業またはラベル付け方法に依存します。
AOT-Net と呼ばれる抽象的な意見タグフレームワークを提案し、多数のレビューからランク付けされた意見タグのリストを生成します。
論文 参考訳(メタデータ) (2021-01-18T05:08:15Z) - Feature-level Rating System using Customer Reviews and Review Votes [2.943984871413744]
オンラインショッピングサイト(Amazon)で収集されたさまざまなモバイル製品とレビュー投票に関する顧客レビューを分析した。
私たちの分析では、オンラインで販売されている4k以上のモバイルの108の機能を評価しています。
論文 参考訳(メタデータ) (2020-07-18T20:13:58Z) - How do online consumers review negatively? [1.52292571922932]
中国最大のB2CプラットフォームであるJD.comの1,450,000のネガティブレビューを用いて、時間的、知覚的、感情的な視点からの行動パターンを探求する。
低レベルの消費者は、特に製品価格や売り手の態度に関して、より強い否定的な感情を表現している。
高いレベルの消費者からの否定的なレビューの価値は、感情の低下と偏見の低いナレーションのために予想外に強調される。
論文 参考訳(メタデータ) (2020-04-28T12:54:30Z)
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。