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
- 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) - 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) - Continually Improving Extractive QA via Human Feedback [59.49549491725224]
本研究では,人間のフィードバックによる抽出質問応答(QA)システムの改善を継続的に進める。
多様な設定の下で何千ものユーザインタラクションを含む実験を行い、時間とともにフィードバックからの学習の理解を広げます。
論文 参考訳(メタデータ) (2023-05-21T14:35:32Z) - 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) - Towards Personalized Review Summarization by Modeling Historical Reviews
from Customer and Product Separately [59.61932899841944]
レビュー要約(review summarization)は、Eコマースのウェブサイトで製品レビューのメインの考え方を要約することを目的とした、簡単ではないタスクである。
Heterogeneous Historical Review aware Review Summarization Model (HHRRS)を提案する。
我々は、レビュー感情分類と要約を共同で行うマルチタスクフレームワークを採用している。
論文 参考訳(メタデータ) (2023-01-27T12:32:55Z) - 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) - 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) - Opportunities of a Machine Learning-based Decision Support System for
Stroke Rehabilitation Assessment [64.52563354823711]
リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。
現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。
我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
論文 参考訳(メタデータ) (2020-02-27T17:04:07Z)
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。