論文の概要: Abstractive Opinion Tagging
- arxiv url: http://arxiv.org/abs/2101.06880v2
- Date: Sun, 24 Jan 2021 11:39:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2021-03-27 06:00:26.238452
- Title: Abstractive Opinion Tagging
- Title（参考訳）: 抽象オピニオンタグ
- Authors: Qintong Li, Piji Li, Xinyi Li, Zhaochun Ren, Zhumin Chen, Maarten de
Rijke
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 65.47649273721679
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In e-commerce, opinion tags refer to a ranked list of tags provided by the
e-commerce platform that reflect characteristics of reviews of an item. To
assist consumers to quickly grasp a large number of reviews about an item,
opinion tags are increasingly being applied by e-commerce platforms. Current
mechanisms for generating opinion tags rely on either manual labelling or
heuristic methods, which is time-consuming and ineffective. In this paper, we
propose the abstractive opinion tagging task, where systems have to
automatically generate a ranked list of opinion tags that are based on, but
need not occur in, a given set of user-generated reviews.
The abstractive opinion tagging task comes with three main challenges: (1)
the noisy nature of reviews; (2) the formal nature of opinion tags vs. the
colloquial language usage in reviews; and (3) the need to distinguish between
different items with very similar aspects. To address these challenges, we
propose an abstractive opinion tagging framework, named AOT-Net, to generate a
ranked list of opinion tags given a large number of reviews. First, a
sentence-level salience estimation component estimates each review's salience
score. Next, a review clustering and ranking component ranks reviews in two
steps: first, reviews are grouped into clusters and ranked by cluster size;
then, reviews within each cluster are ranked by their distance to the cluster
center. Finally, given the ranked reviews, a rank-aware opinion tagging
component incorporates an alignment feature and alignment loss to generate a
ranked list of opinion tags. To facilitate the study of this task, we create
and release a large-scale dataset, called eComTag, crawled from real-world
e-commerce websites. Extensive experiments conducted on the eComTag dataset
verify the effectiveness of the proposed AOT-Net in terms of various evaluation
metrics.
- Abstract（参考訳）: 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。
消費者が商品に関する多くのレビューを素早く把握できるようにするために、電子商取引プラットフォームでは意見タグがますます適用されている。
意見タグを生成するための現在のメカニズムは、手動ラベリングまたはヒューリスティックな手法に依存している。
本稿では,ユーザが生成したレビューのセットに基づいて,意見タグのランク付けリストを自動的に生成しなければならない抽象的意見タグ付けタスクを提案する。
要約的な意見タグ付けタスクには,(1)レビューのうるさい性質,(2)レビューにおける意見タグの形式的性質,(3)レビューにおける口語使用法,(3)非常に類似した側面の異なる項目を区別する必要性,の3つの課題がある。
これらの課題に対処するために,aot-net という抽象的意見タグフレームワークを提案し,多数のレビューを与えられた意見タグのランク付けリストを生成する。
まず、文章レベルのサリエンス推定成分が各レビューのサリエンススコアを推定する。
次に、レビューのクラスタリングとランキングのコンポーネントがレビューを2つのステップでランク付けする。 まず、レビューはクラスタにグループ化され、クラスタのサイズでランク付けされる。
最後に、ランク付けされたレビューから、ランク付けされた意見タグ付けコンポーネントは、アライメント機能とアライメントロスを組み込んで、ランク付けされた意見タグのリストを生成する。
このタスクの研究を容易にするために、現実世界のeコマースウェブサイトからクロールされたeComTagと呼ばれる大規模なデータセットを作成し、リリースする。
eComTagデータセット上で行った大規模な実験は、様々な評価指標を用いて提案したAOT-Netの有効性を検証する。
関連論文リスト
- Developing a Component Comment Extractor from Product Reviews on
E-Commerce Sites [0.0]
文中の商品の成分やアスペクト情報を識別し,収集するシステムを開発した。
BERTベースの分類器は、レビュー中の文にコンポーネントやアスペクトを参照するラベルを割り当てます。
我々のデータ拡張法は、不足データのF1測定を0.66から0.76に改善することができる。
論文 参考訳（メタデータ） (2022-07-13T06:25:55Z) - Integrating Rankings into Quantized Scores in Peer Review [61.27794774537103]
ピアレビューでは、レビュアーは通常、論文のスコアを提供するように求められます。
この問題を軽減するため、カンファレンスはレビュアーにレビューした論文のランキングを付加するように求め始めている。
このランキング情報を使用するための標準的な手順はなく、エリアチェアは異なる方法でそれを使用することができる。
我々は、ランキング情報をスコアに組み込むために、原則化されたアプローチを取る。
論文 参考訳（メタデータ） (2022-04-05T19:39:13Z) - Fine-Grained Opinion Summarization with Minimal Supervision [48.43506393052212]
FineSumは、複数のドキュメントから意見を抽出することでターゲットをプロファイルすることを目的としている。
FineSumは、生のコーパスから意見語句を自動的に識別し、異なる側面と感情に分類し、各アスペクト/感覚の下に複数のきめ細かい意見クラスタを構築する。
ベンチマークの自動評価と定量的人的評価の両方が,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2021-10-17T15:16:34Z) - Unsupervised Summarization for Chat Logs with Topic-Oriented Ranking and
Context-Aware Auto-Encoders [59.038157066874255]
本稿では,手動ラベル付きデータを用いずにチャット要約を行うrankaeという新しいフレームワークを提案する。
RankAEは、中心性と多様性に応じてトピックの発話を同時に選択するトピック指向のランキング戦略で構成されています。
消音自動エンコーダは、選択された発話に基づいて簡潔でコンテキスト情報に基づいた要約を生成するように設計されています。
論文 参考訳（メタデータ） (2020-12-14T07:31:17Z) - Hierarchical Bi-Directional Self-Attention Networks for Paper Review
Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。
具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。
我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文 参考訳（メタデータ） (2020-11-02T08:07:50Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳（メタデータ） (2020-06-02T13:34:11Z) - Topic Detection and Summarization of User Reviews [6.779855791259679]
本稿では,レビューと要約の両方を解析して,効果的な新しい要約手法を提案する。
製品レビューと約1028の製品からなる新しいデータセットが、AmazonとCNETから収集されている。
論文 参考訳（メタデータ） (2020-05-30T02:19:08Z) - Sentiment Analysis Using Averaged Weighted Word Vector Features [1.2691047660244332]
我々は,異なる種類の単語ベクトルを組み合わせて,レビューの極性を学習し,推定する2つの手法を開発した。
本手法は、感情分析の標準ベンチマークとして使用される異なる領域の複数のデータセットに適用する。
論文 参考訳（メタデータ） (2020-02-13T16:30:34Z)
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。