論文の概要: Feature-level Rating System using Customer Reviews and Review Votes
- arxiv url: http://arxiv.org/abs/2007.09513v1
- Date: Sat, 18 Jul 2020 20:13:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 06:02:03.430228
- Title: Feature-level Rating System using Customer Reviews and Review Votes
- Title（参考訳）: 顧客レビューとレビュー投票を用いた特徴レベルレーティングシステム
- Authors: Koteswar Rao Jerripothula, Ankit Rai, Kanu Garg, Yashvardhan Singh
Rautela
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.943984871413744
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work studies how we can obtain feature-level ratings of the mobile
products from the customer reviews and review votes to influence decision
making, both for new customers and manufacturers. Such a rating system gives a
more comprehensive picture of the product than what a product-level rating
system offers. While product-level ratings are too generic, feature-level
ratings are particular; we exactly know what is good or bad about the product.
There has always been a need to know which features fall short or are doing
well according to the customer's perception. It keeps both the manufacturer and
the customer well-informed in the decisions to make in improving the product
and buying, respectively. Different customers are interested in different
features. Thus, feature-level ratings can make buying decisions personalized.
We analyze the customer reviews collected on an online shopping site (Amazon)
about various mobile products and the review votes. Explicitly, we carry out a
feature-focused sentiment analysis for this purpose. Eventually, our analysis
yields ratings to 108 features for 4k+ mobiles sold online. It helps in
decision making on how to improve the product (from the manufacturer's
perspective) and in making the personalized buying decisions (from the buyer's
perspective) a possibility. Our analysis has applications in recommender
systems, consumer research, etc.
- Abstract（参考訳）: 本研究は、新規顧客と製造業者の両方にとって意思決定に影響を与えるために、顧客レビューとレビュー投票からモバイル製品の特徴レベルの評価を得る方法について研究する。
このようなレーティングシステムは、製品レベルのレーティングシステムが提供するものよりも、製品の総合的なイメージを提供します。
製品レベルの評価はあまりにも一般的ですが、機能レベルの評価は特に重要です。
顧客から見れば、どの機能が不足しているか、あるいはうまく機能しているかを常に知る必要がある。
製造業者と顧客の両方が、製品の改善と購入の決断をしっかりと指示している。
異なる顧客は異なる機能に興味を持っている。
したがって、機能レベルの評価は購入決定をパーソナライズすることができる。
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。
この目的のために,特徴に着目した感情分析を行う。
その結果、オンライン販売の4k+モバイルの格付けは108に向上した。
これは(製造業者の視点から)製品を改善するための意思決定や(買い手の観点から)パーソナライズされた購入決定を可能とすることに役立つ。
我々の分析はレコメンデーションシステムや消費者調査などに応用されている。
関連論文リスト
- Analytical and Empirical Study of Herding Effects in Recommendation Systems [72.6693986712978]
評価アグリゲーションルールとショートリストされた代表レビューを用いて製品評価を管理する方法について検討する。
本稿では,Amazon と TripAdvisor の収束速度を向上させるために,適切な信頼度評価アグリゲーションルールが有効であることを示す。
論文 参考訳（メタデータ） (2024-08-20T14:29:23Z) - What Matters in Explanations: Towards Explainable Fake Review Detection Focusing on Transformers [45.55363754551388]
顧客のレビューとフィードバックは、Amazon、Zalando、eBayなどのEコマースプラットフォームにおいて重要な役割を果たす。
売り手が偽レビューやスパムレビューを投稿し、潜在的な顧客を欺き、製品に関する意見を操作しているという懸念が有力である。
本稿では,偽レビューを高精度に検出するための説明可能なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-24T13:26:02Z) - 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) - A BERT based Ensemble Approach for Sentiment Classification of Customer
Reviews and its Application to Nudge Marketing in e-Commerce [2.2120851074630177]
製品レビューは顧客の信頼と忠誠を改善します。
ナッジマーケティング(Nudge marketing)は、Eコマース企業が顧客をためらわずにより良い判断を下すための微妙な方法だ。
論文 参考訳（メタデータ） (2023-11-16T14:18:24Z) - Sentiment Analysis on YouTube Smart Phone Unboxing Video Reviews in Sri
Lanka [0.0]
この調査は、2021年にリリースされたApple iPhone 13、Google Pixel 6、Samsung Galaxy S21の3つのスマートフォンレビューに焦点を当てている。
語彙と規則に基づく感情分析ツールであるVADERは、それぞれのコメントを適切な正または負の向きに分類するために使用された。
3つのスマートフォンはいずれもユーザーから肯定的な評価を受けており、iPhone 13は最も肯定的な評価を受けている。
論文 参考訳（メタデータ） (2023-02-04T06:55:24Z) - 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) - Meaningful Answer Generation of E-Commerce Question-Answering [77.89755281215079]
eコマースポータルでは、製品関連の質問に対する回答を生成することが重要な課題となっている。
本稿では,MPAG(Meaningful Product Answer Generator)と呼ばれる新しい生成ニューラルモデルを提案する。
MPAGは、製品レビュー、製品属性、プロトタイプの回答を考慮に入れて、安全な回答問題を緩和します。
論文 参考訳（メタデータ） (2020-11-14T14:05:30Z) - 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) - Positive emotions help rank negative reviews in e-commerce [4.1282165031966205]
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。
論文 参考訳（メタデータ） (2020-05-20T03:34:20Z) - Context-aware Helpfulness Prediction for Online Product Reviews [34.47368084659301]
本稿では,レビューの有用性を評価するニューラルディープ・ラーニング・モデルを提案する。
このモデルは畳み込みニューラルネットワーク(CNN)とコンテキスト認識符号化機構に基づいている。
我々は、人間の注釈付きデータセット上でモデルを検証し、その結果、既存のモデルよりも有益性予測に優れていたことを示す。
論文 参考訳（メタデータ） (2020-04-27T18:19:26Z)
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。