論文の概要: Explain and Conquer: Personalised Text-based Reviews to Achieve Transparency

• arxiv url: http://arxiv.org/abs/2205.01759v1
• Date: Tue, 3 May 2022 20:04:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-05 13:38:05.844965
• Title: Explain and Conquer: Personalised Text-based Reviews to Achieve Transparency
• Title（参考訳）: 説明と質問:パーソナライズされたテキストベースのレビュー
• Authors: I\~nigo L\'opez-Riob\'oo Botana (1), Ver\'onica Bol\'on-Canedo (1), Bertha Guijarro-Berdi\~nas (1), Amparo Alonso-Betanzos (1) ((1) University of A Coru\~na - Research Center on Information and Communication Technologies (CITIC))
• Abstract要約: 我々はTripAdvisorプラットフォームに焦点を合わせ、他のdyadicデータコンテキストの適用性について検討した。 我々の目的は、エージェントが確立したペア(ユーザ、レストラン)を表現し、パーソナライゼーションを考慮して説明することである。 我々はPTER(Personalized TExt-based Reviews)モデルを提案し、特定のレストランの利用可能なレビューから、特定のユーザーインタラクションに適合するレビューを予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: There are many contexts where dyadic data is present. Social networking is a well-known example, where transparency has grown on importance. In these contexts, pairs of items are linked building a network where interactions play a crucial role. Explaining why these relationships are established is core to address transparency. These explanations are often presented using text, thanks to the spread of the natural language understanding tasks. We have focused on the TripAdvisor platform, considering the applicability to other dyadic data contexts. The items are a subset of users and restaurants and the interactions the reviews posted by these users. Our aim is to represent and explain pairs (user, restaurant) established by agents (e.g., a recommender system or a paid promotion mechanism), so that personalisation is taken into account. We propose the PTER (Personalised TExt-based Reviews) model. We predict, from the available reviews for a given restaurant, those that fit to the specific user interactions. PTER leverages the BERT (Bidirectional Encoders Representations from Transformers) language model. We customised a deep neural network following the feature-based approach. The performance metrics show the validity of our labelling proposal. We defined an evaluation framework based on a clustering process to assess our personalised representation. PTER clearly outperforms the proposed adversary in 5 of the 6 datasets, with a minimum ratio improvement of 4%.
• Abstract（参考訳）: dyadicデータが存在する多くのコンテキストがあります。 ソーシャルネットワーキングは、透明性が重要視されているよく知られた例だ。 これらの文脈では、相互作用が重要な役割を果たすネットワークを構築するために、アイテムのペアがリンクされます。 これらの関係が確立されている理由を説明することは、透明性に対処する上で核心である。 これらの説明は、自然言語理解タスクの普及により、しばしばテキストを使って提示される。 他のdyadicデータコンテキストの適用性を考慮して、tripadvisorプラットフォームにフォーカスしています。 アイテムはユーザーとレストランのサブセットであり、これらのユーザーが投稿したレビューとのインタラクションである。 エージェントによって確立されたペア(ユーザ、レストラン)の表現と説明(レコメンダシステムや有料プロモーション機構など)を目的として、パーソナライズを考慮に入れます。 PTER(Personalized TExt-based Reviews)モデルを提案する。 私たちは、あるレストランの利用可能なレビューから、特定のユーザーインタラクションに合ったレビューを予測します。 PTERはBERT(Bidirectional Encoders Representations from Transformers)言語モデルを利用している。 機能ベースのアプローチに従って、ディープニューラルネットワークをカスタマイズしました。 性能指標はラベル付け提案の有効性を示す。 パーソナライズした表現を評価するために,クラスタリングプロセスに基づいた評価フレームワークを定義した。 PTERは6つのデータセットのうち5つで提案された敵よりも明らかに優れている。

関連論文リスト

• Prompt-based Personality Profiling: Reinforcement Learning for Relevance Filtering [8.20929362102942]
  著者プロファイルは、共有するコンテンツを分析して個人の特徴を推測するタスクである。 本稿では,関係のないコンテンツと関係のないコンテンツとを区別することを目的とした著者プロファイリング手法を提案し,それに続いて,関連データのみを用いて実際のユーザプロファイリングを行う。 2つのTwitterコーパスにおける5つの人格特性予測手法の評価を行った。
  論文  参考訳（メタデータ） (2024-09-06T08:43:10Z)
• Do We Trust What They Say or What They Do? A Multimodal User Embedding Provides Personalized Explanations [35.77028281332307]
  ソーシャルネットワークのためのコントリビューション対応マルチモーダルユーザ埋め込み(CAMUE)を提案する。 提案手法は,信頼できない情報の影響を自動的に軽減し,パーソナライズ可能な予測を提供する。 私たちの仕事は、より説明しやすく、信頼性があり、効果的なソーシャルメディアユーザー埋め込みの道を開く。
  論文  参考訳（メタデータ） (2024-09-04T02:17:32Z)
• UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
  大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。 我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
  論文  参考訳（メタデータ） (2023-10-02T17:40:01Z)
• Understanding How People Rate Their Conversations [73.17730062864314]
  我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。 我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
  論文  参考訳（メタデータ） (2022-06-01T00:45:32Z)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
  本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。 ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
  論文  参考訳（メタデータ） (2021-03-17T09:42:11Z)
• Multi-Modal Subjective Context Modelling and Recognition [19.80579219657159]
  我々は,時間,場所,活動,社会的関係,対象の5次元を捉える新しい存在論的文脈モデルを提案する。 実世界のデータに対する最初の文脈認識実験は、我々のモデルの約束を示唆している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:03Z)
• Disentangled Graph Collaborative Filtering [100.26835145396782]
  Disentangled Graph Collaborative Filtering (DGCF)は、インタラクションデータからユーザとアイテムの情報表現を学ぶための新しいモデルである。 ユーザ・イテムのインタラクション毎に意図を超越した分布をモデル化することにより、インテント・アウェアなインタラクショングラフと表現を反復的に洗練する。 DGCFはNGCF、DisenGCN、MacridVAEといった最先端モデルよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2020-07-03T15:37:25Z)
• BERT-based Ensembles for Modeling Disclosure and Support in Conversational Social Media Text [9.475039534437332]
  本稿では,RoBERTa と ALBERT を用いた文脈適応型単語埋め込みを用いた予測アンサンブルモデルを提案する。 提案手法は,F1スコアにおいて,F1スコアにおいて3%の精度向上を達成し,すべての基準値においてベースモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-01T19:52:01Z)
• IART: Intent-aware Response Ranking with Transformers in Information-seeking Conversation Systems [80.0781718687327]
  我々は、情報探索会話におけるユーザ意図パターンを分析し、意図認識型ニューラルレスポンスランキングモデル「IART」を提案する。 IARTは、ユーザ意図モデリングと言語表現学習とTransformerアーキテクチャの統合の上に構築されている。
  論文  参考訳（メタデータ） (2020-02-03T05:59:52Z)

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。