論文の概要: Exploiting Review Neighbors for Contextualized Helpfulness Prediction

• arxiv url: http://arxiv.org/abs/2006.09685v1
• Date: Wed, 17 Jun 2020 07:02:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-19 20:55:09.140556
• Title: Exploiting Review Neighbors for Contextualized Helpfulness Prediction
• Title（参考訳）: コンテクスト化有益性予測における隣人の活用
• Authors: Jiahua Du, Jia Rong, Hua Wang, Yanchun Zhang
• Abstract要約: 本稿では,レビューと隣人とのインタラクションの欠如を捉える新しい手法を提案する。 近接認識支援予測(NAP)のための第1次エンドツーエンドニューラルアーキテクチャの開発 NAPは、一連の最先端のベースラインに対して、現実世界のオンラインレビューの6つのドメインで評価されている。
• 参考スコア（独自算出の注目度）: 11.657360800017884
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Helpfulness prediction techniques have been widely used to identify and recommend high-quality online reviews to customers. Currently, the vast majority of studies assume that a review's helpfulness is self-contained. In practice, however, customers hardly process reviews independently given the sequential nature. The perceived helpfulness of a review is likely to be affected by its sequential neighbors (i.e., context), which has been largely ignored. This paper proposes a new methodology to capture the missing interaction between reviews and their neighbors. The first end-to-end neural architecture is developed for neighbor-aware helpfulness prediction (NAP). For each review, NAP allows for three types of neighbor selection: its preceding, following, and surrounding neighbors. Four weighting schemes are designed to learn context clues from the selected neighbors. A review is then contextualized into the learned clues for neighbor-aware helpfulness prediction. NAP is evaluated on six domains of real-world online reviews against a series of state-of-the-art baselines. Extensive experiments confirm the effectiveness of NAP and the influence of sequential neighbors on a current reviews. Further hyperparameter analysis reveals three main findings. (1) On average, eight neighbors treated with uneven importance are engaged for context construction. (2) The benefit of neighbor-aware prediction mainly results from closer neighbors. (3) Equally considering up to five closest neighbors of a review can usually produce a weaker but tolerable prediction result.
• Abstract（参考訳）: 顧客に対して高品質なオンラインレビューを識別し推奨するために、有益性予測技術が広く使われている。 現在、ほとんどの研究はレビューの有用性は自己完結していると仮定している。 しかし、実際には、顧客はシーケンシャルな性質から、レビューを独立して処理することはほとんどない。 レビューの有益さは、そのシーケンシャルな隣人(つまりコンテキスト)によって影響を受ける可能性が高いが、これはほとんど無視されている。 本稿では,レビューと隣人との相互作用の欠如を捉える新しい手法を提案する。 最初のエンドツーエンドニューラルネットワークアーキテクチャは、near-aware usefulness prediction (nap)のために開発された。 各レビューでは、NAPは3種類の隣人選択(前、後、および周辺隣人選択)が可能である。 4つの重み付けスキームは、選択した隣人からコンテキストヒントを学ぶように設計されている。 レビューは、近隣の注意力を予測するための学習した手がかりにコンテキスト化される。 NAPは、一連の最先端のベースラインに対して、現実世界のオンラインレビューの6つのドメインで評価されている。 広範囲な実験により、NAPの有効性と、近隣住民の影響が現在のレビューで確認されている。 さらなるハイパーパラメーター解析により3つの主要な所見が明らかとなった。 1) 平均して, 重要でない8人の隣人がコンテキスト構築に携わる。 2)近隣住民の予測の利点は主に近隣住民によるものである。 (3) レビューの隣人5人までを平等に考えると、通常より弱いが許容できる予測結果が得られる。

関連論文リスト

• Adversarial Pruning: A Survey and Benchmark of Pruning Methods for Adversarial Robustness [16.623648447423438]
  近年の研究では、敵の例に対する堅牢性を保ちながら、ネットワークのサイズを小さくするニューラルネットワークプルーニング技術が提案されている。 これらの手法には複雑で明瞭な設計が含まれており、違いを分析して公正かつ正確な比較を確立することは困難である。 そこで我々は,パイプライン,いつ産卵するべきか,具体例,どのように産卵するべきかという2つの主要な次元に基づいて分類する新しい分類法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T13:34:01Z)
• Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
  従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。 本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。 本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
  論文  参考訳（メタデータ） (2024-04-30T15:20:41Z)
• VN Network: Embedding Newly Emerging Entities with Virtual Neighbors [59.906332784508706]
  本稿では,3つの課題に対処するため,VN(Virtual Neighbor)ネットワークという新しいフレームワークを提案する。 まず、近隣の空間問題を減らすために、ルールによって推測される仮想隣人の概念を導入する。 第二に、複雑なパターンを捉えるために、論理と対称パスのルールの両方を識別する。
  論文  参考訳（メタデータ） (2024-02-21T03:04:34Z)
• Non-Neighbors Also Matter to Kriging: A New Contrastive-Prototypical Learning [24.701170582359104]
  既存の研究は、隣人の情報が、観測されていない対象の属性を推定する基盤を提供すると仮定している。 本研究では,隣人からの貴重な情報を洗練し,非隣人からの情報を再利用するために,KrigingのためのContrastive-Prototypealの自己教師型学習を提案する。
  論文  参考訳（メタデータ） (2024-01-23T11:46:31Z)
• Gradient-Boosted Decision Tree for Listwise Context Model in Multimodal Review Helpfulness Prediction [40.09991896766369]
  マルチモーダルレビュー ヘルプフルネス予測は、予測された有用度スコアに基づいて製品レビューをランク付けすることを目的としている。 本稿ではMRHPランキングの文脈を明確に把握するリストワイズアテンションネットワークを提案する。 また,製品レビューの表現を効果的に分割するスコア予測木として,勾配ブースト決定木を提案する。
  論文  参考訳（メタデータ） (2023-05-22T03:31:00Z)
• Best Practices for 2-Body Pose Forecasting [58.661899246497896]
  我々は、人間のポーズ予測の進捗状況を概観し、最善を尽くす一対一の実践を詳細に評価する。 他の1人のプラクティスは2体に移行しないため、提案されているベストプラクティスは階層的なボディモデリングや注目に基づくインタラクションエンコーディングは含まない。 提案した2体ポーズによるベストプラクティス予測では,最新のExPIデータセットのパフォーマンスが21.9%向上した。
  論文  参考訳（メタデータ） (2023-04-12T10:46:23Z)
• The Unreliability of Explanations in Few-Shot In-Context Learning [50.77996380021221]
  我々は、テキスト上の推論、すなわち質問応答と自然言語推論を含む2つのNLPタスクに焦点を当てる。 入力と論理的に整合した説明は、通常より正確な予測を示す。 本稿では,説明の信頼性に基づいてモデル予測を校正する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-06T17:57:58Z)
• 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)
• Hierarchical Bi-Directional Self-Attention Networks for Paper Review Rating Recommendation [81.55533657694016]
  本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。 具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。 我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
  論文  参考訳（メタデータ） (2020-11-02T08:07:50Z)
• A Unified Model for Recommendation with Selective Neighborhood Modeling [9.367539466637664]
  そこで我々は、類似の隣人を異種(ノイズの多い)から自動的に分離するハイブリッドゲートネットワークを設計する、新しい近所ベースのレコメンデータを提案する。 提案モデルは,最先端の地域ベースレコメンデーションよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-19T08:06:16Z)
• How Useful are Reviews for Recommendation? A Critical Review and Potential Improvements [8.471274313213092]
  本稿では,レビューテキストを用いてレコメンデーションシステムの改善を目指す,新たな作業体系について検討する。 実験条件やデータ前処理に変化はあるものの, 論文間で結果がコピーされていることから, 報告結果にいくつかの相違点がみられた。 さらなる調査では、リコメンデーションのためのユーザレビューの"重要"に関して、はるかに大きな問題に関する議論が求められている。
  論文  参考訳（メタデータ） (2020-05-25T16:30:05Z)

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。