論文の概要: Identifying Helpful Sentences in Product Reviews

• arxiv url: http://arxiv.org/abs/2104.09792v1
• Date: Tue, 20 Apr 2021 07:09:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-21 22:22:19.393079
• Title: Identifying Helpful Sentences in Product Reviews
• Title（参考訳）: 製品レビューにおける有用な文の特定
• Authors: Iftah Gamzu, Hila Gonen, Gilad Kutiel, Ran Levy, Eugene Agichtein
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.126300941053756
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years online shopping has gained momentum and became an important venue for customers wishing to save time and simplify their shopping process. A key advantage of shopping online is the ability to read what other customers are saying about products of interest. In this work, we aim to maintain this advantage in situations where extreme brevity is needed, for example, when shopping by voice. We suggest a novel task of extracting a single representative helpful sentence from a set of reviews for a given product. The selected sentence should meet two conditions: first, it should be helpful for a purchase decision and second, the opinion it expresses should be supported by multiple reviewers. This task is closely related to the task of Multi Document Summarization in the product reviews domain but differs in its objective and its level of conciseness. We collect a dataset in English of sentence helpfulness scores via crowd-sourcing and demonstrate its reliability despite the inherent subjectivity involved. Next, we describe a complete model that extracts representative helpful sentences with positive and negative sentiment towards the product and demonstrate that it outperforms several baselines.
• Abstract（参考訳）: 近年、オンラインショッピングは勢いを増し、時間を節約し、買い物プロセスを簡素化したい顧客にとって重要な場所となっている。 オンラインショッピングの大きな利点は、他の顧客が関心のある製品について言っていることを読むことだ。 本研究は,例えば音声による買い物などにおいて,極端な簡潔さを必要とする状況において,この優位性を維持することを目的としている。 提案手法では,ある製品に対する評価のセットから,一つの代表的助詞を抽出する新しいタスクを提案する。 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。 このタスクは、製品レビュードメインにおけるマルチドキュメント要約のタスクと密接に関連しているが、目的と簡潔さのレベルが異なる。 日本語の文助力スコアのデータセットをクラウドソーシングで収集し,本質的な主観性にも拘わらず信頼性を示す。 次に,製品に対する肯定的および否定的感情を持つ代表的有益文を抽出し,複数のベースラインを上回ることを示すモデルについて述べる。

関連論文リスト

• 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)
• Product Information Extraction using ChatGPT [69.12244027050454]
  本稿では,製品記述から属性/値対を抽出するChatGPTの可能性について検討する。 以上の結果から,ChatGPTは事前学習した言語モデルに類似した性能を達成できるが,微調整を行うにはトレーニングデータや計算処理がはるかに少ないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-23T09:30:01Z)
• 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)
• Latent Aspect Detection from Online Unsolicited Customer Reviews [3.622430080512776]
  アスペクト検出は、プロダクトオーナとサービスプロバイダが欠点を特定し、顧客のニーズを優先順位付けするのに役立つ。 既存の手法は、アスペクトがレビューに潜んでいるときに不足する教師あり学習法を訓練することで、アスペクトの表面形態を検出することに重点を置いている。 側面の潜在事象を抽出する教師なし手法を提案する。
  論文  参考訳（メタデータ） (2022-04-14T13:46:25Z)
• Mining Customers' Opinions for Online Reputation Generation and Visualization in e-Commerce Platforms [0.0]
  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。
  論文  参考訳（メタデータ） (2021-04-05T14:46:57Z)
• What Makes a Good Summary? Reconsidering the Focus of Automatic Summarization [49.600619575148706]
  フィールドの現在の焦点は、参加者の希望と完全に一致していないことがわかります。 以上の結果から,自動要約のより広い視点を取り入れることが重要であると論じる。
  論文  参考訳（メタデータ） (2020-12-14T15:12:35Z)
• 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)
• 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)
• A Multi-modal Approach to Fine-grained Opinion Mining on Video Reviews [47.726065950436585]
  本稿では,ビデオレビューから詳細な意見をマイニングするためのマルチモーダル手法を提案する。 私たちのアプローチは、時間アノテーションを必要とせずに、文レベルで機能します。
  論文  参考訳（メタデータ） (2020-05-27T13:46:11Z)
• Few-Shot Learning for Opinion Summarization [117.70510762845338]
  オピニオン要約は、複数の文書で表現された主観的な情報を反映したテキストの自動生成である。 本研究では,要約テキストの生成をブートストラップするのには,少数の要約でも十分であることを示す。 提案手法は, 従来の抽出法および抽象法を, 自動的, 人的評価において大きく上回っている。
  論文  参考訳（メタデータ） (2020-04-30T15:37:38Z)
• Mining customer product reviews for product development: A summarization process [0.7742297876120561]
  本研究は、顧客の好みや嫌いに関連する言葉や表現をオンラインレビューから識別し、構造化し、製品開発を指導することを目的としている。 著者らは,製品価格,感情,使用状況など,ユーザの嗜好の多面性を含む要約モデルを提案する。 ケーススタディでは、提案したモデルとアノテーションガイドラインにより、人間のアノテーションは、高信頼度でオンラインレビューを構造化できることを示した。
  論文  参考訳（メタデータ） (2020-01-13T13:01:14Z)

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。