論文の概要: Sentiment Analysis based Multi-person Multi-criteria Decision Making Methodology using Natural Language Processing and Deep Learning for Smarter Decision Aid. Case study of restaurant choice using TripAdvisor reviews

• arxiv url: http://arxiv.org/abs/2008.00032v2
• Date: Wed, 14 Oct 2020 14:18:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 05:36:28.412269
• Title: Sentiment Analysis based Multi-person Multi-criteria Decision Making Methodology using Natural Language Processing and Deep Learning for Smarter Decision Aid. Case study of restaurant choice using TripAdvisor reviews
• Title（参考訳）: 自然言語処理とディープラーニングを用いた感情分析に基づく多人数マルチクリトリア意思決定手法による意思決定支援 TripAdvisor レビューを用いたレストラン選択事例の検討
• Authors: Cristina Zuheros, Eugenio Mart\'inez-C\'amara, Enrique Herrera-Viedma, and Francisco Herrera
• Abstract要約: 本稿では、よりスマートな意思決定支援のための感性分析に基づく多人数多基準意思決定手法(SA-MpMcDM)を提案する。 SA-MpMcDM法は、アスペクトベースの感情分析のためのエンドツーエンドのマルチタスクディープラーニングモデルを取り入れている。 自然言語と数値評価を用いて,SA-MpMcDM法を異なるシナリオで解析する。
• 参考スコア（独自算出の注目度）: 18.491161392558265
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decision making models are constrained by taking the expert evaluations with pre-defined numerical or linguistic terms. We claim that the use of sentiment analysis will allow decision making models to consider expert evaluations in natural language. Accordingly, we propose the Sentiment Analysis based Multi-person Multi-criteria Decision Making (SA-MpMcDM) methodology for smarter decision aid, which builds the expert evaluations from their natural language reviews, and even from their numerical ratings if they are available. The SA-MpMcDM methodology incorporates an end-to-end multi-task deep learning model for aspect based sentiment analysis, named DOC-ABSADeepL model, able to identify the aspect categories mentioned in an expert review, and to distill their opinions and criteria. The individual evaluations are aggregated via the procedure named criteria weighting through the attention of the experts. We evaluate the methodology in a case study of restaurant choice using TripAdvisor reviews, hence we build, manually annotate, and release the TripR-2020 dataset of restaurant reviews. We analyze the SA-MpMcDM methodology in different scenarios using and not using natural language and numerical evaluations. The analysis shows that the combination of both sources of information results in a higher quality preference vector.
• Abstract（参考訳）: 意思決定モデルは、予め定義された数値または言語用語で専門家の評価をとることで制約される。 感情分析を用いることで、意思決定モデルが自然言語における専門家の評価を考慮できると主張している。 そこで,本研究では,自然言語評価から専門家評価を構築できる知的意思決定支援のための感情分析に基づく多人数多人数意思決定(sa-mpmcdm)手法を提案する。 SA-MpMcDM法は、アスペクトベースの感情分析のためのエンドツーエンドのマルチタスクディープラーニングモデル、DOC-ABSADeepLモデルを導入し、専門家レビューで言及されているアスペクトカテゴリを特定し、意見や基準を抽出する。 個々の評価は、専門家の注意による重み付けと呼ばれる手順によって集約される。 tripadvisor reviewsを用いたレストラン選択のケーススタディでこの手法を評価し,レストランレビューのtripr-2020データセットを構築し,手作業で注釈付けし,公開する。 自然言語と数値評価を用いて,SA-MpMcDM法を異なるシナリオで解析する。 分析の結果,両情報源の組み合わせにより,高品質な選好ベクトルが得られることがわかった。

関連論文リスト

• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [62.90682521144006]
  この分析は、様々な観点からPAMI分野のレビューを徹底的にレビューすることを目的としている。 書評を自動評価するために,大規模言語モデルを用いた書評指標を提案する。 新たに登場したAI生成の文献レビューも評価されている。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Exploring the Power of Topic Modeling Techniques in Analyzing Customer Reviews: A Comparative Analysis [0.0]
  大量のテキストデータをオンラインで分析するために、機械学習と自然言語処理アルゴリズムがデプロイされている。 本研究では,顧客レビューに特化して用いられる5つのトピックモデリング手法について検討・比較する。 以上の結果から,BERTopicはより意味のあるトピックを抽出し,良好な結果を得ることができた。
  論文  参考訳（メタデータ） (2023-08-19T08:18:04Z)
• FLASK: Fine-grained Language Model Evaluation based on Alignment Skill Sets [72.54255857335549]
  FLASKは、人間に基づく評価とモデルに基づく評価の両方のためのきめ細かい評価プロトコルである。 モデル性能の全体像を得るためには,評価の微粒化が重要であることを実験的に観察する。
  論文  参考訳（メタデータ） (2023-07-20T14:56:35Z)
• Benchmarking Foundation Models with Language-Model-as-an-Examiner [47.345760054595246]
  本稿では,新しいベンチマークフレームワークLanguage-Model-as-an-Examinerを提案する。 LMは、その知識に基づいて質問を定式化し、基準のない方法で応答を評価する、知識に富んだ検査者として機能する。
  論文  参考訳（メタデータ） (2023-06-07T06:29:58Z)
• Perspectives on Large Language Models for Relevance Judgment [56.935731584323996]
  大型言語モデル(LLM)は、関連判断を支援することができると主張している。 自動判定が検索システムの評価に確実に利用できるかどうかは不明である。
  論文  参考訳（メタデータ） (2023-04-13T13:08:38Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [89.01584399789951]
  歴史的専門家の意思決定を豊富な情報源として利用することを検討します。 観察されたラベルだけで学習する制限を緩和するために活用できることを示しています。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)
• SentiLSTM: A Deep Learning Approach for Sentiment Analysis of Restaurant Reviews [13.018530502810128]
  本稿では,レストランのクライアントが提供したレビューを肯定的,否定的な極性に分類する深層学習技術(BiLSTM)を提案する。 テストデータセットの評価の結果、BiLSTM技術は91.35%の精度で生成された。
  論文  参考訳（メタデータ） (2020-11-19T06:24:42Z)
• Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
  本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。 提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。 分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
  論文  参考訳（メタデータ） (2020-11-13T10:53:27Z)

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。