論文の概要: Mining Customers' Opinions for Online Reputation Generation and
Visualization in e-Commerce Platforms
- arxiv url: http://arxiv.org/abs/2104.01935v1
- Date: Mon, 5 Apr 2021 14:46:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 14:42:00.845808
- Title: Mining Customers' Opinions for Online Reputation Generation and
Visualization in e-Commerce Platforms
- Title（参考訳）: eコマースプラットフォームにおけるオンラインレコメンデーション生成と可視化のための顧客の意見
- Authors: Abdessamad Benlahbib
- Abstract要約: 顧客レビューは、さまざまなオンラインショッピング体験に関する非常に貴重な情報を抽出できる、非常に豊富なデータソースです。
この論文の私の研究目標は、自然言語で表現されたオンラインレビューをマイニングすることによって、オンライン意思決定プロセス中に電子商取引の顧客に価値ある情報を自動的に提供できる評判システムを開発することです。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Customer reviews represent a very rich data source from which we can extract
very valuable information about different online shopping experiences. The
amount of the collected data may be very large especially for trendy items
(products, movies, TV shows, hotels, services...), where the number of
available customers' opinions could easily surpass thousands. In fact, while a
good number of reviews could indeed give a hint about the quality of an item, a
potential customer may not have time or effort to read all reviews for the
purpose of making an informed decision (buying, renting, booking...). Thus, the
need for the right tools and technologies to help in such a task becomes a
necessity for the buyer as for the seller. My research goal in this thesis is
to develop reputation systems that can automatically provide E-commerce
customers with valuable information to support them during their online
decision-making process by mining online reviews expressed in natural language.
- Abstract（参考訳）: 顧客レビューは、さまざまなオンラインショッピング体験に関する非常に貴重な情報を抽出できる、非常に豊富なデータソースです。
収集されたデータの量は、特にトレンディなアイテム(製品、映画、テレビ番組、ホテル、サービス...)で非常に多くなり、利用可能な顧客の意見の数は数千を超える可能性がある。
実際、かなりの数のレビューがアイテムの品質についてヒントを与える可能性があるが、潜在的な顧客は、インフォームドな意思決定(購入、レンタル、予約...)を行う目的ですべてのレビューを読む時間や労力がないかもしれない。
したがって、そのようなタスクを支援するための適切なツールや技術の必要性は、売り手のような買い手にとって必要となる。
この論文における私の研究目標は、自然言語で表現されたオンラインレビューをマイニングすることで、オンライン意思決定プロセスにおいて、Eコマースの顧客に価値ある情報を自動的に提供できる評価システムを開発することです。
関連論文リスト
- Information Discovery in e-Commerce [97.71958017283593]
情報検索は、特に商品やサービスとの接続において、eコマースにおいて自然な役割を担っている。
電子商取引サイトの人気が高まり、電子商取引における情報発見の研究が活発な研究分野となっている。
電子商取引における情報発見手法は主に、電子商取引検索とレコメンデーションシステムの有効性の向上に重点を置いている。
論文 参考訳（メタデータ） (2024-10-08T07:41:01Z) - IntentionQA: A Benchmark for Evaluating Purchase Intention Comprehension Abilities of Language Models in E-commerce [71.37481473399559]
本稿では,eコマースにおけるLMの購入意図の理解を評価するためのベンチマークであるIntentionQAを提案する。
インテンションQAは、自動化パイプラインを使用して構築された3つの困難レベルにわたる4,360の慎重に計算された問題で構成されている。
人間の評価は、我々のベンチマークの高品質で低い偽陰性率を示す。
論文 参考訳（メタデータ） (2024-06-14T16:51:21Z) - A BERT based Ensemble Approach for Sentiment Classification of Customer
Reviews and its Application to Nudge Marketing in e-Commerce [2.2120851074630177]
製品レビューは顧客の信頼と忠誠を改善します。
ナッジマーケティング(Nudge marketing)は、Eコマース企業が顧客をためらわずにより良い判断を下すための微妙な方法だ。
論文 参考訳（メタデータ） (2023-11-16T14:18:24Z) - Learning to Personalize Recommendation based on Customers' Shopping
Intents [6.503955510722271]
本システムでは,レコメンデーションをパーソナライズするために,各顧客のハイレベルなショッピング意図を明確に識別し,活用する。
我々は,「キャンプに行く」や「ビーチパーティーの準備」など,アマゾンの顧客によって追求される様々なハイレベルな目標を自動的に識別する技術を開発した。
当社のソリューションは(21カ国14言語で)スケーラブルな方法です。
論文 参考訳（メタデータ） (2023-05-09T09:06:46Z) - Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳（メタデータ） (2023-04-06T05:20:16Z) - 5-Star Hotel Customer Satisfaction Analysis Using Hybrid Methodology [0.0]
我々の研究は、レビューデータから顧客満足度を判断する新しい方法を提案する。
これまで実施されてきた顧客満足度に関する多くの研究とは異なり、本研究は論文の新規性を持っている。
論文 参考訳（メタデータ） (2022-09-26T04:53:10Z) - Generating Persuasive Responses to Customer Reviews with Multi-Source
Prior Knowledge in E-commerce [11.586256303135329]
顧客レビューは通常、自分のオンラインショッピング体験に関する多くの情報を含んでいる。
各否定的なレビューに対して慎重にかつ説得力を持って回答し、その不利な効果を最小限に抑えることが不可欠である。
説得応答生成のためのマルチソースマルチアスペクト注意生成モデルを提案する。
論文 参考訳（メタデータ） (2022-09-20T06:20:45Z) - Towards Personalized Answer Generation in E-Commerce via
Multi-Perspective Preference Modeling [62.049330405736406]
Eコマースプラットフォーム上での製品質問回答(PQA)は、インテリジェントオンラインショッピングアシスタントとして機能するため、注目を集めている。
なぜなら、多くの顧客は、自分でのみカスタマイズされた情報でパーソナライズされた回答を見たいと思っているからです。
PQAにおけるパーソナライズされた回答を生成するための,新しいマルチパースペクティブなユーザ嗜好モデルを提案する。
論文 参考訳（メタデータ） (2021-12-27T07:51:49Z) - Characterization of Frequent Online Shoppers using Statistical Learning
with Sparsity [54.26540039514418]
本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
論文 参考訳（メタデータ） (2021-11-11T05:36:39Z) - Identifying Helpful Sentences in Product Reviews [12.126300941053756]
特定の製品のレビューのセットから、単一の代表的な有用な文を抽出する新しいタスクを提案します。
選択された文は2つの条件を満たすべきである: 第一に、購入決定に役立ち、第二に、表現した意見は複数のレビュアーによって支持されるべきである。
クラウドソーシングによって文有益度スコアの英文データセットを収集し,本質的主観性に拘わらずその信頼性を示す。
論文 参考訳（メタデータ） (2021-04-20T07:09:22Z) - Meaningful Answer Generation of E-Commerce Question-Answering [77.89755281215079]
eコマースポータルでは、製品関連の質問に対する回答を生成することが重要な課題となっている。
本稿では,MPAG(Meaningful Product Answer Generator)と呼ばれる新しい生成ニューラルモデルを提案する。
MPAGは、製品レビュー、製品属性、プロトタイプの回答を考慮に入れて、安全な回答問題を緩和します。
論文 参考訳（メタデータ） (2020-11-14T14:05:30Z)
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。