論文の概要: Should I visit this place? Inclusion and Exclusion Phrase Mining from
Reviews
- arxiv url: http://arxiv.org/abs/2012.10226v1
- Date: Fri, 18 Dec 2020 13:43:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 18:08:24.421848
- Title: Should I visit this place? Inclusion and Exclusion Phrase Mining from
Reviews
- Title（参考訳）: この場所を訪ねましょうか。
レビューからの包含句と排他句のマイニング
- Authors: Omkar Gurjar and Manish Gupta
- Abstract要約: 我々は,観光地に関するレビューから,11の要因に関連する鉱毒包有物と排他的フレーズの問題に焦点をあてる。
1000の観光スポットに関連する2000のレビューのデータセットを使用して、私たちの広いレベルの分類器は、それぞれ包含または除外としてフレーズを分類するために$sim$80と$sim$82のバイナリ重複F1を提供します。
- 参考スコア（独自算出の注目度）: 4.251259231940703
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although several automatic itinerary generation services have made travel
planning easy, often times travellers find themselves in unique situations
where they cannot make the best out of their trip. Visitors differ in terms of
many factors such as suffering from a disability, being of a particular dietary
preference, travelling with a toddler, etc. While most tourist spots are
universal, others may not be inclusive for all. In this paper, we focus on the
problem of mining inclusion and exclusion phrases associated with 11 such
factors, from reviews related to a tourist spot. While existing work on tourism
data mining mainly focuses on structured extraction of trip related
information, personalized sentiment analysis, and automatic itinerary
generation, to the best of our knowledge this is the first work on
inclusion/exclusion phrase mining from tourism reviews. Using a dataset of 2000
reviews related to 1000 tourist spots, our broad level classifier provides a
binary overlap F1 of $\sim$80 and $\sim$82 to classify a phrase as inclusion or
exclusion respectively. Further, our inclusion/exclusion classifier provides an
F1 of $\sim$98 and $\sim$97 for 11-class inclusion and exclusion classification
respectively. We believe that our work can significantly improve the quality of
an automatic itinerary generation service.
- Abstract（参考訳）: いくつかの自動的な旅程生成サービスによって旅行計画が容易になったが、旅行者は旅行で最善を尽くすことができないユニークな状況にあることが多い。
訪問者は、障害に苦しむこと、特定の食事の好みであること、幼児と旅行することなど、多くの要因で異なる。
ほとんどの観光地は普遍的だが、他は包括的ではない。
本稿では,観光地に関するレビューから,11の要因に関連する鉱毒包有物と排他的フレーズの問題に焦点をあてる。
観光データマイニングに関する既存の研究は、旅行関連情報の構造化抽出、パーソナライズされた感情分析、自動イチナリー生成に重点を置いているが、我々の知る限りでは、観光レビューからの包括的/排他的フレーズマイニングに関する最初の作業である。
1000の観光スポットに関する2000のレビューのデータセットを使用して、私たちのワイドレベル分類器は、各フレーズを包含または除外として分類するために$\sim$80と$\sim$82のバイナリオーバーラップF1を提供します。
さらに、包含/排他分類器は、それぞれ11クラス包含と排他分類に対して$\sim$98と$\sim$97のF1を提供する。
当社の作業は,自動イテレーション生成サービスの品質を著しく向上させることができると信じている。
関連論文リスト
- Joint Multisided Exposure Fairness for Recommendation [76.75990595228666]
本稿では,消費者と生産者の両面から共同で問題をモデル化する,露出公正度尺度のファミリを定式化する。
具体的には、双方の利害関係者に対するグループ属性について、個別のユーザや項目を超えて、より体系的なバイアスを推奨するフェアネスの懸念を識別し緩和する。
論文 参考訳（メタデータ） (2022-04-29T19:13:23Z) - IAM: A Comprehensive and Large-Scale Dataset for Integrated Argument
Mining Tasks [59.457948080207174]
本稿では,一連の議論マイニングタスクに適用可能なIAMという,包括的で大規模なデータセットを提案する。
データセットの70k近い文は、引数特性に基づいて完全に注釈付けされている。
議論準備プロセスに関連する2つの新しい統合された議論マイニングタスクを提案する。(1) 姿勢分類付きクレーム抽出(CESC)と(2) クレーム・エビデンス・ペア抽出(CEPE)である。
論文 参考訳（メタデータ） (2022-03-23T08:07:32Z) - On Guiding Visual Attention with Language Specification [76.08326100891571]
注意をそらすのではなく,タスク関連機能に分類証拠を限定するためのアドバイスとして,ハイレベルな言語仕様を用いる。
この方法で空間的注意を監督することは、偏りのあるノイズのあるデータを用いた分類タスクの性能を向上させる。
論文 参考訳（メタデータ） (2022-02-17T22:40:19Z) - Sharing Behavior in Ride-hailing Trips: A Machine Learning Inference
Approach [1.9111219197011353]
共有乗車を希望する乗客の意思は、一年を通して27.0%から12.8%へと単調に低下している。
共有の好みの低下は、共有旅行の1マイル当たりのコストの増加と、単独への短い旅行のシフトによるものである。
論文 参考訳（メタデータ） (2022-01-30T01:17:36Z) - Fighting Money Laundering with Statistics and Machine Learning: An
Introduction and Review [95.42181254494287]
マネーロンダリングは深刻なグローバルな問題です。
このトピックに関する統計学と機械学習の研究はほとんどない。
大きな課題の1つは、公開データセットの欠如である。
論文 参考訳（メタデータ） (2022-01-11T21:31:18Z) - Recommending POIs for Tourists by User Behavior Modeling and
Pseudo-Rating [3.839157829013354]
観光客の多くは一度に数カ所の観光地を訪れており、これらのほとんどは新規観光客からのチェックインデータを持っていない。
従来のシステムでは、利用者の嗜好と人気、評判、カテゴリーに基づく類似性に基づいて観光スポットをランク付けしている。
観光客にPOIを推奨するメカニズムを提案する。
論文 参考訳（メタデータ） (2021-10-13T06:21:41Z) - SAR-Net: A Scenario-Aware Ranking Network for PersonalizedFair
Recommendation in Hundreds of Travel Scenarios [11.603889783538309]
本稿では,これらの問題に対処する新しいシナリオ・アウェア・ランキング・ネットワーク(SAR-Net)を提案する。
8000万人以上のユーザと155万の旅行アイテムをカバーするオフラインデータセットの実験と、オンラインA/Bテストにより、SAR-Netの有効性が実証された。
論文 参考訳（メタデータ） (2021-10-13T03:49:45Z) - Machine Learning Advances aiding Recognition and Classification of
Indian Monuments and Landmarks [0.0]
インドの観光業は、2018年のGDPシェアは9.2%と推計されている。
アラブ首長国連邦のような中東諸国で見られるように、この産業は経済の原動力となる大きな可能性を秘めている。
歴史的景観の初歩的な分析には,モニュメント画像の利用にまつわる機械学習のアプローチが有用であることが示されている。
論文 参考訳（メタデータ） (2021-07-29T15:01:02Z) - Business analytics meets artificial intelligence: Assessing the demand
effects of discounts on Swiss train tickets [0.12891210250935145]
「スイス連邦鉄道が発行する列車券、いわゆるスーパーセーバー券に対する割引の需要効果を評価する。」
スーパーセーバーチケットの購入者の調査に基づくサンプルを検討し、購入行動を予測する顧客または旅行関連の特性を調査します。
割引率を1ポイント高めると、常に購入者の間で再スケジュールされた旅行のシェアが0.16ポイント増加します。
論文 参考訳（メタデータ） (2021-05-04T11:29:54Z) - My Teacher Thinks The World Is Flat! Interpreting Automatic Essay
Scoring Mechanism [71.34160809068996]
最近の研究では、自動スコアリングシステムが常識的な敵対的サンプルになりやすいことが示されています。
近年の解釈能力の進歩を活かし,コヒーレンスやコンテント,関連性といった特徴がスコアリングの自動化にどの程度重要であるかを見出す。
また、モデルが意味的に世界知識や常識に基づかないことから、世界のような虚偽の事実を追加することは、それを減らすよりもむしろスコアを増加させる。
論文 参考訳（メタデータ） (2020-12-27T06:19:20Z) - BeBold: Exploration Beyond the Boundary of Explored Regions [66.88415950549556]
本稿では,本質的報酬(IR)の簡便かつ効果的な基準として,逆訪問回数の規制的差異を提案する。
この基準は、エージェントが探索された地域の境界を越えて探索し、短視力や分離などのカウントベースの方法の一般的な問題を緩和するのに役立ちます。
その結果得られたBeBoldは、MiniGridの12の最も難しい手続き的タスクを、カリキュラムの学習なしにわずか120万の環境ステップで解決する。
論文 参考訳（メタデータ） (2020-12-15T21:26:54Z)
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。