論文の概要: Estimating Causal Effects of Multi-Aspect Online Reviews with
Multi-Modal Proxies
- arxiv url: http://arxiv.org/abs/2112.10274v1
- Date: Sun, 19 Dec 2021 22:29:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-22 03:34:07.594689
- Title: Estimating Causal Effects of Multi-Aspect Online Reviews with
Multi-Modal Proxies
- Title（参考訳）: マルチモーダルプロキシを用いたマルチアスペクトオンラインレビューの因果効果の推定
- Authors: Lu Cheng, Ruocheng Guo, Huan Liu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 24.246450472404614
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online reviews enable consumers to engage with companies and provide
important feedback. Due to the complexity of the high-dimensional text, these
reviews are often simplified as a single numerical score, e.g., ratings or
sentiment scores. This work empirically examines the causal effects of
user-generated online reviews on a granular level: we consider multiple
aspects, e.g., the Food and Service of a restaurant. Understanding consumers'
opinions toward different aspects can help evaluate business performance in
detail and strategize business operations effectively. Specifically, we aim to
answer interventional questions such as What will the restaurant popularity be
if the quality w.r.t. its aspect Service is increased by 10%? The defining
challenge of causal inference with observational data is the presence of
"confounder", which might not be observed or measured, e.g., consumers'
preference to food type, rendering the estimated effects biased and
high-variance. To address this challenge, we have recourse to the multi-modal
proxies such as the consumer profile information and interactions between
consumers and businesses. We show how to effectively leverage the rich
information to identify and estimate causal effects of multiple aspects
embedded in online reviews. Empirical evaluations on synthetic and real-world
data corroborate the efficacy and shed light on the actionable insight of the
proposed approach.
- Abstract（参考訳）: オンラインレビューは、消費者が企業と関わり、重要なフィードバックを提供する。
高次元テキストの複雑さのため、これらのレビューは、例えば格付けや感情スコアなど、単一の数値スコアとして単純化されることが多い。
本研究は,レストランの食品・サービスといった複数の側面を考慮し,ユーザ生成オンラインレビューの詳細なレベルに対する因果関係を実証的に検討する。
異なる側面に対する消費者の意見を理解することは、ビジネスパフォーマンスを詳細に評価し、ビジネスオペレーションを効果的に戦略化するのに役立ちます。
具体的には、品質w.r.t.のアスペクトサービスが10%向上すれば、レストランの人気はどうなるのか、といった介入的な疑問に答えることを目指している。
観察データによる因果推論の明確な課題は、例えば消費者の食品タイプへの嗜好を観察または測定することができない「共同設立者」の存在であり、推定された影響を偏見と高分散に反映させるものである。
この課題に対処するため、消費者プロファイル情報や消費者と企業間の相互作用といったマルチモーダルプロキシに言及する。
我々は、オンラインレビューに埋め込まれた複数の側面の因果効果を識別し推定するために、リッチな情報を効果的に活用する方法を示す。
人工的および実世界のデータに関する実証的な評価は,提案手法の有効性を裏付けるものである。
関連論文リスト
- Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。
アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。
本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
論文 参考訳（メタデータ） (2024-04-19T16:45:50Z) - AiGen-FoodReview: A Multimodal Dataset of Machine-Generated Restaurant
Reviews and Images on Social Media [57.70351255180495]
AiGen-FoodReviewは、20,144のレストランレビューイメージペアからなるデータセットである。
FLAVAで99.80%のマルチモーダル精度を達成し,一様・多モーダル検出モデルについて検討する。
この論文は、データセットをオープンソース化し、偽レビュー検出装置を公開し、非モーダルかつマルチモーダルな偽レビュー検出タスクでの使用を推奨し、合成データと真正データにおける言語的特徴と視覚的特徴を評価することで貢献する。
論文 参考訳（メタデータ） (2024-01-16T20:57:36Z) - 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) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - 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) - 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) - Impact of review valence and perceived uncertainty on purchase of
time-constrained and discounted search goods [0.0]
本研究は,新商品の購入決定が,直近のディスカウントが提供された場合に,過去の顧客評価にどのような影響があるかを検討する。
時間制約付き検索・購入環境における消費者態度の決定要因としての信頼性,診断性,有効性を考慮し,アプローチ回避コンフリクト理論に従う。
論文 参考訳（メタデータ） (2021-10-09T19:50:08Z) - Effects of Multi-Aspect Online Reviews with Unobserved Confounders:
Estimation and Implication [19.74820808192969]
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。
論文 参考訳（メタデータ） (2021-10-04T23:38:21Z) - 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) - Face to Purchase: Predicting Consumer Choices with Structured Facial and
Behavioral Traits Embedding [53.02059906193556]
消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。
階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。
実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
論文 参考訳（メタデータ） (2020-07-14T06:06:41Z)
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。