論文の概要: Effects of Multi-Aspect Online Reviews with Unobserved Confounders:
Estimation and Implication
- arxiv url: http://arxiv.org/abs/2110.01746v1
- Date: Mon, 4 Oct 2021 23:38:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-07 01:36:29.871375
- Title: Effects of Multi-Aspect Online Reviews with Unobserved Confounders:
Estimation and Implication
- Title（参考訳）: 共同ファウンダーによる多視点オンラインレビューの効果:推定と含意
- Authors: Lu Cheng, Ruocheng Guo, Kasim Selcuk Candan, Huan Liu
- Abstract要約: 当社は、オンラインレビューがビジネス収益および数値的要因(評価)に直接影響する影響を仲介者として調査する。
機械学習と因果推論の最近の進歩に基づき、隠れた共同創設者と因果効果を一緒に見積もる。
本稿では,実例を用いた実証的評価を行い,戦略的事業運営における多面的効果の差別化の重要性と意義について論じる。
- 参考スコア（独自算出の注目度）: 19.74820808192969
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online review systems are the primary means through which many businesses
seek to build the brand and spread their messages. Prior research studying the
effects of online reviews has been mainly focused on a single numerical cause,
e.g., ratings or sentiment scores. We argue that such notions of causes entail
three key limitations: they solely consider the effects of single numerical
causes and ignore different effects of multiple aspects -- e.g., Food, Service
-- embedded in the textual reviews; they assume the absence of hidden
confounders in observational studies, e.g., consumers' personal preferences;
and they overlook the indirect effects of numerical causes that can potentially
cancel out the effect of textual reviews on business revenue. We thereby
propose an alternative perspective to this single-cause-based effect estimation
of online reviews: in the presence of hidden confounders, we consider
multi-aspect textual reviews, particularly, their total effects on business
revenue and direct effects with the numerical cause -- ratings -- being the
mediator. We draw on recent advances in machine learning and causal inference
to together estimate the hidden confounders and causal effects. We present
empirical evaluations using real-world examples to discuss the importance and
implications of differentiating the multi-aspect effects in strategizing
business operations.
- Abstract（参考訳）: オンラインレビューシステムは、多くの企業がブランドを構築し、メッセージを広めるための主要な手段だ。
オンラインレビューの効果を研究する以前の研究は、主に評価や感情スコアなど、単一の数値的な原因に焦点を当てていた。
単に単一の数値的原因の影響を考慮し、テキストレビューに埋め込まれた複数の側面(食物、サービスなど)の異なる効果を無視すること、観察研究において隠れた共同創設者がいないこと、例えば消費者の個人的嗜好を仮定すること、そして、テキスト的レビューがビジネス収益に与える影響をキャンセルする可能性のある数値的原因の間接的影響を無視することである。
隠れた共同設立者の存在下では、多面的なテキストレビュー、特にビジネス収益と数値的原因による直接的な影響(評価)が仲介者であることを考慮し、オンラインレビューの単一原因に基づく効果評価の代替的な視点を提案する。
機械学習と因果推論の最近の進歩に基づき、隠れた共同創設者と因果効果を一緒に見積もる。
本稿では,実例を用いた実証評価を行い,経営戦略における多面的効果の差別化の重要性と意義について論じる。
関連論文リスト
- Impact of Tone-Aware Explanations in Recommender Systems [11.774563966512709]
推薦システムでは、ユーザの意思決定プロセスを支援する上で、説明の提示が重要な役割を果たす。
本研究は,3つの側面(知覚効果,ドメイン差,ユーザ属性)からオンラインユーザスタディを通じて説明音の効果について検討した。
論文 参考訳（メタデータ） (2024-05-08T13:55:52Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - A Taxonomy of Rater Disagreements: Surveying Challenges & Opportunities
from the Perspective of Annotating Online Toxicity [15.23055494327071]
Toxicityは、オンライン空間でますます一般的で深刻な問題になっている。
機械学習の研究の豊富な行は、オンライン毒性を計算的に検出し緩和することに焦点を当てている。
近年の研究では,本課題の主観的性質を考慮した会計の重要性が指摘されている。
論文 参考訳（メタデータ） (2023-11-07T21:00:51Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。
具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。
効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
論文 参考訳（メタデータ） (2023-03-12T03:40:21Z) - Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。
オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。
異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
論文 参考訳（メタデータ） (2022-10-15T17:15:51Z) - The Invariant Ground Truth of Affect [2.570570340104555]
感情の基底的真理は、感情の主観的な性質とそのラベルに固有のバイアスを意図せずに含んでいる影響ラベルに起因している。
本稿では、因果関係論の側面を感情計算に伝達することにより、影響の信頼性の高い基礎的真理を得る方法について再検討する。
我々は、情緒的コーパスにおけるアウトリーチの検出と、参加者やタスク間で堅牢な影響モデルの構築に、因果関係にインスパイアされた手法を採用している。
論文 参考訳（メタデータ） (2022-10-14T08:26:01Z) - Counterfactual Reasoning for Out-of-distribution Multimodal Sentiment
Analysis [56.84237932819403]
本稿では,OODの高次一般化に対するテキストモダリティの悪影響を推定・緩和することを目的とする。
そこで本研究では,マルチモーダル感情分析のためのモデルに依存しない反現実的フレームワークを考案した。
論文 参考訳（メタデータ） (2022-07-24T03:57:40Z) - Estimating Causal Effects of Multi-Aspect Online Reviews with
Multi-Modal Proxies [24.246450472404614]
本研究は,ユーザ生成オンラインレビューの微粒化に対する因果関係を実証的に検証する。
レストランの食品・サービスなど、さまざまな側面について検討する。
論文 参考訳（メタデータ） (2021-12-19T22:29:02Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - Text and Causal Inference: A Review of Using Text to Remove Confounding
from Causal Estimates [15.69581581445705]
ソーシャルメディア投稿の個人の歴史全体やニュース記事の内容は、共同創設者の豊富な測定を提供する可能性がある。
テキストによるコンファウンディングの調整に注目が集まる一方で、未解決の問題も多い。
論文 参考訳（メタデータ） (2020-05-01T23:20:49Z)
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。