論文の概要: Machine learning for assessing quality of service in the hospitality
sector based on customer reviews
- arxiv url: http://arxiv.org/abs/2107.10328v1
- Date: Wed, 21 Jul 2021 19:45:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-23 12:51:46.692856
- Title: Machine learning for assessing quality of service in the hospitality
sector based on customer reviews
- Title（参考訳）: 顧客評価に基づくホスピタリティ部門におけるサービス品質評価のための機械学習
- Authors: Vladimir Vargas-Calder\'on, Andreina Moros Ochoa, Gilmer Yovani Castro
Nieto and Jorge E. Camargo
- Abstract要約: 本稿では,顧客レビューの活用に基づく,ホスピタリティ部門におけるサービス品質評価の枠組みを提案する。
提案するフレームワークは,ホテル顧客に関連するサービス面の質を自動的に検出する。
サービス側面の最も重要な品質の可視化が生成され、サービス品質を質的に定量的に評価することができる。
- 参考スコア（独自算出の注目度）: 0.16058099298620418
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The increasing use of online hospitality platforms provides firsthand
information about clients preferences, which are essential to improve hotel
services and increase the quality of service perception. Customer reviews can
be used to automatically extract the most relevant aspects of the quality of
service for hospitality clientele. This paper proposes a framework for the
assessment of the quality of service in the hospitality sector based on the
exploitation of customer reviews through natural language processing and
machine learning methods. The proposed framework automatically discovers the
quality of service aspects relevant to hotel customers. Hotel reviews from
Bogot\'a and Madrid are automatically scrapped from Booking.com. Semantic
information is inferred through Latent Dirichlet Allocation and FastText, which
allow representing text reviews as vectors. A dimensionality reduction
technique is applied to visualise and interpret large amounts of customer
reviews. Visualisations of the most important quality of service aspects are
generated, allowing to qualitatively and quantitatively assess the quality of
service. Results show that it is possible to automatically extract the main
quality of service aspects perceived by customers from large customer review
datasets. These findings could be used by hospitality managers to understand
clients better and to improve the quality of service.
- Abstract（参考訳）: オンラインホスピタリティプラットフォームの利用の増加は、ホテルサービスの改善とサービス認知の質向上に不可欠な、クライアントの好みに関する直接情報を提供する。
カスタマーレビューは、ホスピタリティクライアントのサービス品質の最も関連性の高い側面を自動的に抽出するために使用できます。
本稿では,自然言語処理と機械学習による顧客レビューの活用に基づく,ホスピタリティ部門におけるサービス品質評価の枠組みを提案する。
提案フレームワークは,ホテル顧客に関連するサービス品質を自動的に検出する。
Bogot\'a と Madrid のホテルレビューは Booking.com から自動的に削除される。
意味情報は潜在ディリクレ割当とfasttextによって推測され、テキストレビューをベクトルとして表現することができる。
大量の顧客レビューを可視化し,解釈するために,次元還元手法を適用した。
サービス側面の最も重要な品質の可視化が生成され、サービス品質を質的に定量的に評価することができる。
結果から,大規模な顧客レビューデータセットから,顧客が認識するサービス面の主品質を自動的に抽出できることが示唆された。
これらの発見は、ホスピタリティマネージャが顧客をよりよく理解し、サービスの質を改善するために利用することができる。
関連論文リスト
- AI-Generated Image Quality Assessment Based on Task-Specific Prompt and Multi-Granularity Similarity [62.00987205438436]
本稿では,TSP-MGSというAIGIの品質評価手法を提案する。
タスク固有のプロンプトを設計し、AIGIとプロンプトの多粒度類似度を測定する。
一般的に使用されるAGIQA-1KとAGIQA-3Kベンチマークの実験は、提案されたTSP-MGSの優位性を示している。
論文 参考訳（メタデータ） (2024-11-25T04:47:53Z) - Multi-Facet Counterfactual Learning for Content Quality Evaluation [48.73583736357489]
コンテンツ品質評価の複数の側面を知覚する評価器を効率的に構築する枠組みを提案する。
我々は,コントラスト学習と教師付き学習に基づく共同学習戦略を活用し,評価者が異なる品質面を区別できるようにする。
論文 参考訳（メタデータ） (2024-10-10T08:04:10Z) - Using deep learning to enhance electronic service quality: Application to real estate websites [0.0]
本研究は、電子サービスの具体性と効率を向上させるために、視覚的特徴と記述的特徴を統合することの重要性を強調する。
このメリットを享受できる電子サービスの主要な例は、不動産ウェブサイトである。
この研究では、Mask-RCNNと呼ばれるディープラーニングネットワークを用いて、不動産画像の損傷を推定する新しい視覚記述的特徴である損傷レベルを導入している。
論文 参考訳（メタデータ） (2024-07-27T02:02:26Z) - Q-Ground: Image Quality Grounding with Large Multi-modality Models [61.72022069880346]
Q-Groundは、大規模な視覚的品質グラウンドに取り組むための最初のフレームワークである。
Q-Groundは、大規模なマルチモダリティモデルと詳細な視覚的品質分析を組み合わせる。
コントリビューションの中心は、QGround-100Kデータセットの導入です。
論文 参考訳（メタデータ） (2024-07-24T06:42:46Z) - Enhancing Airline Customer Satisfaction: A Machine Learning and Causal Analysis Approach [0.0]
本研究では,航空会社における顧客満足度の向上について検討する。
サービス改善が顧客満足度に与える影響について検討する。
顧客サービスのデジタル的側面の改善は、顧客満足度を著しく高めることを実証する。
論文 参考訳（メタデータ） (2024-05-15T04:01:47Z) - Proactive Detractor Detection Framework Based on Message-Wise Sentiment
Analysis Over Customer Support Interactions [60.87845704495664]
本稿では、チャットベースのカスタマーサポートのインタラクションにのみ依存して、個々のユーザの推薦決定を予測するフレームワークを提案する。
ケーススタディでは、ラテンアメリカの大手電子商取引会社の金融分野における16.4kのユーザ数と48.7kの顧客サポートに関する会話を分析した。
以上の結果から,CS会話のメッセージワイドな感情進化のみに基づいて,ユーザが製品やサービスを推薦する可能性を予測することが可能であることが示唆された。
論文 参考訳（メタデータ） (2022-11-08T00:43:36Z) - 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) - Transparent Human Evaluation for Image Captioning [70.03979566548823]
画像キャプションモデルのためのルーリックに基づく人間評価プロトコルを開発した。
人為的キャプションは機械的キャプションよりも著しく高品質であることを示す。
この研究は、画像キャプションのためのより透明な評価プロトコルを促進することを願っている。
論文 参考訳（メタデータ） (2021-11-17T07:09:59Z) - FEBR: Expert-Based Recommendation Framework for beneficial and
personalized content [77.86290991564829]
推奨コンテンツの質を評価するための見習い学習フレームワークであるFEBR(Expert-Based Recommendation Framework)を提案する。
このフレームワークは、推奨評価環境において専門家(信頼できると仮定される)の実証された軌跡を利用して、未知のユーティリティ機能を回復する。
ユーザ関心シミュレーション環境(RecSim)によるソリューションの性能評価を行う。
論文 参考訳（メタデータ） (2021-07-17T18:21:31Z) - 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) - SentiLSTM: A Deep Learning Approach for Sentiment Analysis of Restaurant
Reviews [13.018530502810128]
本稿では,レストランのクライアントが提供したレビューを肯定的,否定的な極性に分類する深層学習技術(BiLSTM)を提案する。
テストデータセットの評価の結果、BiLSTM技術は91.35%の精度で生成された。
論文 参考訳（メタデータ） (2020-11-19T06:24:42Z)
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。