論文の概要: Generating Persuasive Responses to Customer Reviews with Multi-Source Prior Knowledge in E-commerce

• arxiv url: http://arxiv.org/abs/2209.09497v1
• Date: Tue, 20 Sep 2022 06:20:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 17:34:15.827296
• Title: Generating Persuasive Responses to Customer Reviews with Multi-Source Prior Knowledge in E-commerce
• Title（参考訳）: 電子商取引におけるマルチソース事前知識による顧客レビューに対する説得応答の生成
• Authors: Bo Chen, Jiayi Liu, Mieradilijiang Maimaiti, Xing Gao and Ji Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.586256303135329
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Customer reviews usually contain much information about one's online shopping experience. While positive reviews are beneficial to the stores, negative ones will largely influence consumers' decision and may lead to a decline in sales. Therefore, it is of vital importance to carefully and persuasively reply to each negative review and minimize its disadvantageous effect. Recent studies consider leveraging generation models to help the sellers respond. However, this problem is not well-addressed as the reviews may contain multiple aspects of issues which should be resolved accordingly and persuasively. In this work, we propose a Multi-Source Multi-Aspect Attentive Generation model for persuasive response generation. Various sources of information are appropriately obtained and leveraged by the proposed model for generating more informative and persuasive responses. A multi-aspect attentive network is proposed to automatically attend to different aspects in a review and ensure most of the issues are tackled. Extensive experiments on two real-world datasets, demonstrate that our approach outperforms the state-of-the-art methods and online tests prove that our deployed system significantly enhances the efficiency of the stores' dealing with negative reviews.
• Abstract（参考訳）: 顧客レビューは通常、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。 肯定的なレビューは店舗にとって有益であるが、否定的なレビューは消費者の決定に大きく影響を与え、販売が減少する可能性がある。 したがって、各否定的なレビューに対して慎重に説得力強く回答し、その不利な効果を最小限に抑えることが極めて重要である。 最近の研究では、販売者を支援するために世代モデルを活用することを検討している。 しかし、レビューにはそれに応じて解決すべき問題が複数含まれている可能性があるため、この問題は十分に適応されていない。 そこで本研究では,マルチソースマルチaspect有意な応答生成モデルを提案する。 より情報的かつ説得的な応答を生成するために,提案モデルにより様々な情報ソースを適切に取得し,活用する。 レビューにおいて、様々な側面に自動的に参加し、ほとんどの問題に取り組むために、マルチアスペクト注意ネットワークを提案する。 2つの実世界のデータセットに対する大規模な実験により、我々のアプローチは最先端の手法よりも優れており、オンラインテストは、我々のデプロイされたシステムが、ネガティブなレビューを扱う店舗の効率を大幅に向上することを示す。

関連論文リスト

• Beyond Thumbs Up/Down: Untangling Challenges of Fine-Grained Feedback for Text-to-Image Generation [67.88747330066049]
  きめ細かいフィードバックは、画像の品質と迅速な調整におけるニュアンスドの区別を捉えます。 粗いフィードバックに対する優位性を示すことは、自動ではないことを示す。 きめ細かいフィードバックを抽出し活用する上で重要な課題を特定します。
  論文  参考訳（メタデータ） (2024-06-24T17:19:34Z)
• Self-Improving Customer Review Response Generation Based on LLMs [1.9274286238176854]
  SCRABLEは、自己最適化プロンプトによって自己向上する、適応的な顧客レビュー応答自動化である。 顧客レビュー領域で発生する応答の質を評価するために,人間評価者の役割を模倣する自動スコアリング機構を導入する。
  論文  参考訳（メタデータ） (2024-05-06T20:50:17Z)
• 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)
• 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)
• A Hybrid Statistical-Machine Learning Approach for Analysing Online Customer Behavior: An Empirical Study [2.126171264016785]
  我々は、中国最大のオンライン小売店であるJDにおいて、特定の商品カテゴリーに対する454,897人のオンライン顧客行動を分析するハイブリッド解釈モデルを開発した。 以上の結果から,顧客の製品選択が約束される納期に無関心であることが分かるが,この要因は顧客の注文量に大きな影響を及ぼす。 特定のディスカウントアプローチがより効果的である製品クラスを特定し、異なるディスカウントツールの使用を改善するためのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2022-12-01T19:37:29Z)
• 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)
• Learning Opinion Summarizers by Selecting Informative Reviews [81.47506952645564]
  31,000以上の製品のユーザレビューと組み合わせた大規模な要約データセットを収集し、教師付きトレーニングを可能にします。 多くのレビューの内容は、人間が書いた要約には反映されず、したがってランダムなレビューサブセットで訓練された要約者は幻覚する。 我々は、これらのサブセットで表現された意見を要約し、レビューの情報的サブセットを選択するための共同学習としてタスクを定式化する。
  論文  参考訳（メタデータ） (2021-09-09T15:01:43Z)
• User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
  推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。 ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。 実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-02-16T02:08:52Z)
• Meaningful Answer Generation of E-Commerce Question-Answering [77.89755281215079]
  eコマースポータルでは、製品関連の質問に対する回答を生成することが重要な課題となっている。 本稿では,MPAG(Meaningful Product Answer Generator)と呼ばれる新しい生成ニューラルモデルを提案する。 MPAGは、製品レビュー、製品属性、プロトタイプの回答を考慮に入れて、安全な回答問題を緩和します。
  論文  参考訳（メタデータ） (2020-11-14T14:05:30Z)
• Opinion-aware Answer Generation for Review-driven Question Answering in E-Commerce [39.08269647808958]
  製品レビューにおける個人的意見に関する豊富な情報は、現在世代ベースのレビュー駆動QA研究では利用されていない。 本稿では,一貫したモデルで回答生成と意見マイニングタスクを共同で学習することで,意見認識型回答生成に取り組む。 実世界のEコマースQAデータセットにおいて,本手法が優れた性能を発揮することを示す実験結果を得た。
  論文  参考訳（メタデータ） (2020-08-27T07:54:45Z)
• Review-guided Helpful Answer Identification in E-commerce [38.276241153439955]
  製品固有のコミュニティ質問応答プラットフォームは、潜在的な顧客の懸念に対処するのに大いに役立ちます。 このようなプラットフォーム上でユーザが提供する回答は、その品質に大きく違いがあります。 コミュニティからのヘルプフルネスの投票は、回答の全体的な品質を示すことができるが、しばしば欠落している。
  論文  参考訳（メタデータ） (2020-03-13T11:34:29Z)

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。