論文の概要: Tracking Brand-Associated Polarity-Bearing Topics in User Reviews
- arxiv url: http://arxiv.org/abs/2301.07183v1
- Date: Tue, 3 Jan 2023 18:30:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-29 14:07:50.435041
- Title: Tracking Brand-Associated Polarity-Bearing Topics in User Reviews
- Title(参考訳): ブランド関連ポーラリティ関連トピックのユーザレビュー
- Authors: Runcong Zhao and Lin Gui and Hanqi Yan and Yulan He
- Abstract要約: dBTMは、時間的に順序付けられた時間間隔に整理された製品レビューから、ブランド関連感情スコアと極性を含むトピックを自動的に検出し、追跡することができる。
MakeupAlleyレビューとホテルレビューデータセットから構築されたデータセットで評価されている。
- 参考スコア(独自算出の注目度): 28.574971754268
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Monitoring online customer reviews is important for business organisations to
measure customer satisfaction and better manage their reputations. In this
paper, we propose a novel dynamic Brand-Topic Model (dBTM) which is able to
automatically detect and track brand-associated sentiment scores and
polarity-bearing topics from product reviews organised in temporally-ordered
time intervals. dBTM models the evolution of the latent brand polarity scores
and the topic-word distributions over time by Gaussian state space models. It
also incorporates a meta learning strategy to control the update of the
topic-word distribution in each time interval in order to ensure smooth topic
transitions and better brand score predictions. It has been evaluated on a
dataset constructed from MakeupAlley reviews and a hotel review dataset.
Experimental results show that dBTM outperforms a number of competitive
baselines in brand ranking, achieving a good balance of topic coherence and
uniqueness, and extracting well-separated polarity-bearing topics across time
intervals.
- Abstract(参考訳): オンライン顧客レビューのモニタリングは、顧客満足度を測定し、評判を管理するビジネス組織にとって重要である。
本稿では,時間的に順序付けられた時間間隔に整理された製品レビューから,ブランド関連感情スコアと極性を含むトピックを自動的に検出・追跡する動的ブランドトピックモデル(dBTM)を提案する。
dBTMは、潜在ブランドの極性スコアと、ガウス状態空間モデルによる時間経過に伴うトピックワードの分布の進化をモデル化する。
また、スムーズなトピック遷移とブランドスコア予測を改善するために、各時間間隔でトピックワードの更新を制御するメタ学習戦略も組み込まれている。
MakeupAlleyレビューとホテルレビューデータセットから構築されたデータセットで評価されている。
実験の結果,dBTMはブランドランキングにおいて多くの競争的ベースラインを上回り,トピックコヒーレンスとユニークさのバランスを良好に達成し,時間間隔で偏極性を持つトピックを抽出した。
関連論文リスト
- EBES: Easy Benchmarking for Event Sequences [17.277513178760348]
イベントシーケンスは、ヘルスケア、ファイナンス、ユーザインタラクションログなど、さまざまな現実世界のドメインにおける一般的なデータ構造である。
時間データモデリング技術の進歩にもかかわらず、イベントシーケンスのパフォーマンスを評価するための標準ベンチマークは存在しない。
標準化された評価シナリオとプロトコルを備えた総合的なベンチマークツールであるEBESを紹介する。
論文 参考訳(メタデータ) (2024-10-04T13:03:43Z) - Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。
ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。
そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
論文 参考訳(メタデータ) (2024-06-26T05:30:21Z) - Text-Based Product Matching -- Semi-Supervised Clustering Approach [9.748519919202986]
本稿では,半教師付きクラスタリング手法を用いた製品マッチングの新しい哲学を提案する。
実世界のデータセット上でIDECアルゴリズムを実験することにより,本手法の特性について検討する。
論文 参考訳(メタデータ) (2024-02-01T18:52:26Z) - Bring Your Own Data! Self-Supervised Evaluation for Large Language
Models [52.15056231665816]
大規模言語モデル(LLM)の自己教師型評価のためのフレームワークを提案する。
閉書知識,毒性,長期文脈依存性を測定するための自己指導型評価戦略を実証する。
自己監督評価と人監督評価との間には強い相関関係が認められた。
論文 参考訳(メタデータ) (2023-06-23T17:59:09Z) - A Closer Look at Debiased Temporal Sentence Grounding in Videos:
Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。
最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。
偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文 参考訳(メタデータ) (2022-03-10T08:58:18Z) - ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive
Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。
我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文 参考訳(メタデータ) (2021-06-01T22:17:13Z) - Adversarial Learning of Poisson Factorisation Model for Gauging Brand
Sentiment in User Reviews [15.047213517681936]
製品レビューからブランド関連極性軸受トピックを検出することを目的としたブランドトポリックモデル(BTM)を提案します。
BTMはブランド関連感情スコアを自動的に推測し、きめ細かい感情トピックを生成する。
amazon reviewsから構築されたデータセットで評価されている。
論文 参考訳(メタデータ) (2021-01-25T14:58:17Z) - Unsupervised Summarization for Chat Logs with Topic-Oriented Ranking and
Context-Aware Auto-Encoders [59.038157066874255]
本稿では,手動ラベル付きデータを用いずにチャット要約を行うrankaeという新しいフレームワークを提案する。
RankAEは、中心性と多様性に応じてトピックの発話を同時に選択するトピック指向のランキング戦略で構成されています。
消音自動エンコーダは、選択された発話に基づいて簡潔でコンテキスト情報に基づいた要約を生成するように設計されています。
論文 参考訳(メタデータ) (2020-12-14T07:31:17Z) - CRACT: Cascaded Regression-Align-Classification for Robust Visual
Tracking [97.84109669027225]
改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。
CRACは多くのベンチマークで最先端のパフォーマンスを得る。
OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
論文 参考訳(メタデータ) (2020-11-25T02:18:33Z) - A Disentangled Adversarial Neural Topic Model for Separating Opinions
from Plots in User Reviews [35.802290746473524]
本稿では,ニューラルトピックモデルと敵対的トレーニングを組み合わせることで,プロットと中立的トピックから意見トピックを分離する手法を提案する。
本研究は,新たな映画・書評の収集とプロットの併用による評価を実験的に実施する。
改善されたコヒーレンスと多種多様なトピック、一貫した絡み合い率、および他の教師付きトピックモデルよりも優れた感情分類性能を示す。
論文 参考訳(メタデータ) (2020-10-22T02:15:13Z)
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。