論文の概要: Automatic Product Ontology Extraction from Textual Reviews
- arxiv url: http://arxiv.org/abs/2105.10966v1
- Date: Sun, 23 May 2021 16:06:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 15:21:21.051828
- Title: Automatic Product Ontology Extraction from Textual Reviews
- Title(参考訳): テキストレビューからの製品オントロジーの自動抽出
- Authors: Joel Oksanen, Oana Cocarascu, Francesca Toni
- Abstract要約: 提案手法は,既存の手法(Text2Onto と COMET)を多種多様な設定で抽出し,手作り(NetWord)よりも優れていることを示す。
提案手法は,Amazonの標準スコアアグリゲーションの代わりに,レビューに基づいて推奨商品を判断できる。
- 参考スコア(独自算出の注目度): 12.235907063179278
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Ontologies have proven beneficial in different settings that make use of
textual reviews. However, manually constructing ontologies is a laborious and
time-consuming process in need of automation. We propose a novel methodology
for automatically extracting ontologies, in the form of meronomies, from
product reviews, using a very limited amount of hand-annotated training data.
We show that the ontologies generated by our method outperform hand-crafted
ontologies (WordNet) and ontologies extracted by existing methods (Text2Onto
and COMET) in several, diverse settings. Specifically, our generated ontologies
outperform the others when evaluated by human annotators as well as on an
existing Q&A dataset from Amazon. Moreover, our method is better able to
generalise, in capturing knowledge about unseen products. Finally, we consider
a real-world setting, showing that our method is better able to determine
recommended products based on their reviews, in alternative to using Amazon's
standard score aggregations.
- Abstract(参考訳): オントロジはテキストレビューを利用する異なる設定で有益であることが証明されている。
しかし、手動でオントロジーを構築するのは、自動化が必要な手間と時間がかかるプロセスです。
そこで本研究では,手書きのトレーニングデータを用いて,製品レビューからメロノミーの形でオントロジを自動的に抽出する手法を提案する。
提案手法が生成するオントロジーは,既存の手法(Text2Onto と COMET)によって抽出された,手作りオントロジー(WordNet)やオントロジーよりも優れていた。
具体的には、生成したオントロジーは、Amazonの既存のQ&Aデータセットと同様に、人間のアノテーションによって評価された場合、他よりも優れています。
さらに,本手法は,目に見えない製品に関する知識の収集において,より一般化することができる。
最後に,本手法は,amazonの標準的なスコアアグリゲーションに代えて,レビューに基づいて推奨製品を決定することができることを示す,実世界の設定を検討する。
関連論文リスト
- Knowledge-Centric Templatic Views of Documents [2.8122829028152787]
著者はしばしば、異なる文書やフォーマットで同じ基礎知識について考えを組み立てる。
ドキュメント生成における以前の作業は、一般的に、各個別のフォーマットの作成をタスクが異なるものとみなしていた。
このアプローチは、研究とアプリケーションの両方の観点からAIが支援するコンテンツ作成の進歩に最適である。
論文 参考訳(メタデータ) (2024-01-13T01:22:15Z) - Automated Grading and Feedback Tools for Programming Education: A
Systematic Review [7.776434991976473]
ほとんどの論文はオブジェクト指向言語における代入の正確性を評価する。
ソースコードの保守性、可読性、ドキュメントを評価するツールは少ない。
ほとんどのツールは、ほぼ即時フィードバックを可能にする完全に自動化されたアセスメントを提供する。
論文 参考訳(メタデータ) (2023-06-20T17:54:50Z) - A comprehensive review of automatic text summarization techniques:
method, data, evaluation and coding [1.9241821314180376]
本稿では,ATS(Automatic Text Summarization)システムに関する文献レビューを行う。
我々は、引用に基づくアプローチを検討し、それらが要約を生成するメカニズムによって導かれるATSに対する多様なアプローチを示す。
また、要約タスクに利用可能なデータセットの広範なレビューと、要約の品質を評価する方法についても紹介する。
論文 参考訳(メタデータ) (2023-01-04T19:20:18Z) - Saliency Cards: A Framework to Characterize and Compare Saliency Methods [34.38335172204263]
Saliencyメソッドは、各入力機能がモデルの出力に対してどれだけ重要かを計算する。
既存のアプローチでは、多様なユーザニーズを考慮しない唾液度メソッドに対して、普遍的なデシラタを仮定している。
サリエンシカード(Saliency Card)は、サリエンシメソッドの動作とパフォーマンスに関する構造化されたドキュメントである。
論文 参考訳(メタデータ) (2022-06-07T01:21:49Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳(メタデータ) (2021-11-09T13:30:34Z) - 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) - On Learning Text Style Transfer with Direct Rewards [101.97136885111037]
平行コーパスの欠如により、テキストスタイルの転送タスクの教師付きモデルを直接訓練することは不可能である。
我々は、当初、微調整されたニューラルマシン翻訳モデルに使用されていた意味的類似度指標を活用している。
我々のモデルは、強いベースラインに対する自動評価と人的評価の両方において大きな利益をもたらす。
論文 参考訳(メタデータ) (2020-10-24T04:30:02Z) - Scaling Systematic Literature Reviews with Machine Learning Pipelines [57.82662094602138]
体系的なレビューは、科学的文書からデータを抽出する。
これらの側面をそれぞれ自動化するパイプラインを構築し、多くの人間時間対システム品質トレードオフを実験します。
人間の専門的アノテーションの2週間だけで、パイプラインシステム全体の驚くほどの精度と一般性が得られることが分かりました。
論文 参考訳(メタデータ) (2020-10-09T16:19:42Z) - 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) - PONE: A Novel Automatic Evaluation Metric for Open-Domain Generative
Dialogue Systems [48.99561874529323]
オープンドメイン生成対話システムの評価には3つの方法がある。
体系的な比較が欠如しているため、どの指標がより効果的であるかは明らかでない。
本稿では,人間の判断との相関性を大幅に改善できる,新しい,実現可能な学習基準を提案する。
論文 参考訳(メタデータ) (2020-04-06T04:36:33Z) - 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。