論文の概要: User and Item-aware Estimation of Review Helpfulness

• arxiv url: http://arxiv.org/abs/2011.10456v1
• Date: Fri, 20 Nov 2020 15:35:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 05:31:19.461330
• Title: User and Item-aware Estimation of Review Helpfulness
• Title（参考訳）: レビュー支援のユーザ・アイテム・アウェア推定
• Authors: Noemi Mauro and Liliana Ardissono and Giovanna Petrone
• Abstract要約: 有用性決定因子としてのレビューの性質における逸脱の役割について検討する。 本稿では,従来のものを拡張した新しい有用性推定モデルを提案する。 そこで本モデルは,意思決定におけるユーザフィードバックの選択に有効なツールである。
• 参考スコア（独自算出の注目度）: 4.640835690336653
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In online review sites, the analysis of user feedback for assessing its helpfulness for decision-making is usually carried out by locally studying the properties of individual reviews. However, global properties should be considered as well to precisely evaluate the quality of user feedback. In this paper we investigate the role of deviations in the properties of reviews as helpfulness determinants with the intuition that "out of the core" feedback helps item evaluation. We propose a novel helpfulness estimation model that extends previous ones with the analysis of deviations in rating, length and polarity with respect to the reviews written by the same person, or concerning the same item. A regression analysis carried out on two large datasets of reviews extracted from Yelp social network shows that user-based deviations in review length and rating clearly influence perceived helpfulness. Moreover, an experiment on the same datasets shows that the integration of our helpfulness estimation model improves the performance of a collaborative recommender system by enhancing the selection of high-quality data for rating estimation. Our model is thus an effective tool to select relevant user feedback for decision-making.
• Abstract（参考訳）: オンラインレビューサイトでは, 個人レビューの特性をローカルに研究することで, 意思決定に役立つユーザフィードバックの分析を行うのが一般的である。 しかし、ユーザフィードバックの品質を正確に評価するためには、グローバルなプロパティも考慮すべきである。 本稿では,「中核から」フィードバックが項目評価に役立つという直感に則って,レビューの性質における逸脱が有用性決定要因としての役割を考察する。 本研究では, 評価, 長さ, 極性の偏差を, 同一人物が書いたレビュー, あるいは同一項目について分析することにより, 過去の評価を拡張できる新しい有用度推定モデルを提案する。 Yelpのソーシャルネットワークから抽出した2つの大規模なレビューデータセットを用いて回帰分析を行った結果,レビュー長と評価におけるユーザベースの偏差が,有用性に明確に影響を及ぼしていることがわかった。 さらに, 同データセットを用いた実験により, 有用性推定モデルの統合により, 評価評価のための高品質なデータの選択を強化することにより, 協調推薦システムの性能向上が図られた。 そこで本モデルは,意思決定におけるユーザフィードバックの選択に有効なツールである。

関連論文リスト

• Direct Judgement Preference Optimization [66.83088028268318]
  我々は、他のモデルのアウトプットを評価し、批判するために、生成的判断として大きな言語モデル(LLM)を訓練する。 我々は,異なるユースケースに対する選好ペアの収集に3つのアプローチを採用し,それぞれが異なる視点から生成判断を改善することを目的としている。 提案モデルは,位置や長さの偏りなどの固有バイアスに強く対応し,実践者が指定した評価プロトコルに柔軟に適用し,下流ジェネレータモデルを改善する上で有用な言語フィードバックを提供する。
  論文  参考訳（メタデータ） (2024-09-23T02:08:20Z)
• 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)
• 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)
• Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives [11.835903510784735]
  レビューベースのレコメンデータシステムは、この分野において重要なサブフィールドとして現れている。 本稿では,これらのシステムを分類し,その特徴,有効性,限界を解析し,最先端の手法を要約する。 本稿では,マルチモーダルデータの統合,複数基準評価情報の統合,倫理的考察など,今後の研究の方向性を提案する。
  論文  参考訳（メタデータ） (2024-05-09T05:45:18Z)
• 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)
• Exploiting Correlated Auxiliary Feedback in Parameterized Bandits [56.84649080789685]
  そこで本研究では,学習者が追加の補助的フィードバックを観察できるパラメータ化帯域問題の新たな変種について検討する。 補助的なフィードバックは、ユーザのサービス評価(リワード)を観察し、サービス提供時間(補助的なフィードバック)などの追加情報を収集するオンラインプラットフォームなど、多くの現実的なアプリケーションで容易に利用可能である。
  論文  参考訳（メタデータ） (2023-11-05T17:27:06Z)
• On Faithfulness and Coherence of Language Explanations for Recommendation Systems [8.143715142450876]
  この研究は、最先端モデルとそのレビュー生成コンポーネントを探索する。 得られた説明は不安定であり, 推定評価の合理的な根拠として考える前に, さらなる評価が必要であることを示す。
  論文  参考訳（メタデータ） (2022-09-12T17:00:31Z)
• Correcting the User Feedback-Loop Bias for Recommendation Systems [34.44834423714441]
  本稿では,レコメンデーションシステムにおいて,ユーザのフィードバックループバイアスを修正するための系統的かつ動的手法を提案する。 本手法は,各ユーザの動的評価履歴の埋め込みを学習するためのディープラーニングコンポーネントを含む。 実世界のレコメンデーションシステムにおけるユーザフィードバックループバイアスの存在を実証的に検証した。
  論文  参考訳（メタデータ） (2021-09-13T15:02:55Z)
• 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)
• 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。