論文の概要: On the Role of Reviewer Expertise in Temporal Review Helpfulness
Prediction
- arxiv url: http://arxiv.org/abs/2303.00923v1
- Date: Wed, 22 Feb 2023 23:41:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-05 05:34:38.807475
- Title: On the Role of Reviewer Expertise in Temporal Review Helpfulness
Prediction
- Title（参考訳）: テンポラルレビューにおけるレビュースペシャリストの役割について
- Authors: Mir Tafseer Nayeem, Davood Rafiei
- Abstract要約: 有用なレビューを識別する既存の方法は、主にレビューテキストに焦点をあて、レビューを投稿する(1)とレビューを投稿する(2)の2つの重要な要素を無視する。
本稿では,過去のレビュー履歴から得られたレビュアの専門知識と,レビューの時間的ダイナミクスを統合し,レビューの有用性を自動的に評価するモデルを提案する。
- 参考スコア（独自算出の注目度）: 5.381004207943597
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Helpful reviews have been essential for the success of e-commerce services,
as they help customers make quick purchase decisions and benefit the merchants
in their sales. While many reviews are informative, others provide little value
and may contain spam, excessive appraisal, or unexpected biases. With the large
volume of reviews and their uneven quality, the problem of detecting helpful
reviews has drawn much attention lately. Existing methods for identifying
helpful reviews primarily focus on review text and ignore the two key factors
of (1) who post the reviews and (2) when the reviews are posted. Moreover, the
helpfulness votes suffer from scarcity for less popular products and recently
submitted (a.k.a., cold-start) reviews. To address these challenges, we
introduce a dataset and develop a model that integrates the reviewer's
expertise, derived from the past review history of the reviewers, and the
temporal dynamics of the reviews to automatically assess review helpfulness. We
conduct experiments on our dataset to demonstrate the effectiveness of
incorporating these factors and report improved results compared to several
well-established baselines.
- Abstract（参考訳）: 顧客による迅速な購入決定と販売における商人の利益を支援するため、Eコマースサービスの成功にはヘルプフルレビューが不可欠だ。
多くのレビューは有益だが、価値がほとんどなく、スパム、過度な評価、予期しない偏見を含むものもある。
大量のレビューとその不均一な品質により、有用なレビューを検出する問題は近年注目を集めている。
有用なレビューを識別する既存の方法は、主にレビューテキストに焦点を当て、レビューを投稿する(1)とレビューを投稿する(2)の2つの重要な要素を無視する。
さらに、補助票は人気が低い商品の不足に悩まされ、最近(コールドスタート)レビューが提出された。
これらの課題に対処するために、レビューアの過去のレビュー履歴とレビューの時間的ダイナミクスから得られたレビューアの専門知識を統合したデータセットを導入し、レビューアセスメントを自動評価するモデルを開発する。
我々は,これらの因子を組み込むことの有効性を実証するために,データセット上で実験を行い,いくつかの既定ベースラインと比較し,改良結果について報告する。
関連論文リスト
- Review Helpfulness Scores vs. Review Unhelpfulness Scores: Two Sides of the Same Coin or Different Coins? [1.0738561302102214]
レビュー不完全なスコアは本質的なレビューの特徴に左右されないことがわかった。
レビュー不満足の投票を受けたユーザーは、他のレビューに対して不満足の投票をする傾向にある。
論文 参考訳（メタデータ） (2024-04-24T10:35:17Z) - 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) - Towards Personalized Review Summarization by Modeling Historical Reviews
from Customer and Product Separately [59.61932899841944]
レビュー要約(review summarization)は、Eコマースのウェブサイトで製品レビューのメインの考え方を要約することを目的とした、簡単ではないタスクである。
Heterogeneous Historical Review aware Review Summarization Model (HHRRS)を提案する。
我々は、レビュー感情分類と要約を共同で行うマルチタスクフレームワークを採用している。
論文 参考訳（メタデータ） (2023-01-27T12:32:55Z) - RevCore: Review-augmented Conversational Recommendation [45.70198581510986]
RevCore(Review-augmented Conversational Recommender)と呼ばれる新しいエンドツーエンドフレームワークを設計します。
より詳しくは、感情一貫性のあるレビューを抽出し、レビューに富んだエンティティベースの提案を行うとともに、レビューアテンティブなエンコーダデコーダを用いて応答生成を行う。
論文 参考訳（メタデータ） (2021-06-02T05:46:01Z) - Can We Automate Scientific Reviewing? [89.50052670307434]
我々は、最先端自然言語処理(NLP)モデルを用いて、科学論文の第一パスピアレビューを生成する可能性について論じる。
我々は、機械学習領域で論文のデータセットを収集し、各レビューでカバーされているさまざまなコンテンツに注釈を付け、レビューを生成するために論文を取り込み、ターゲットの要約モデルを訓練する。
総合的な実験結果から、システム生成レビューは、人間によるレビューよりも、論文の多くの側面に触れる傾向にあることが示された。
論文 参考訳（メタデータ） (2021-01-30T07:16:53Z) - Improving Opinion Spam Detection by Cumulative Relative Frequency
Distribution [0.9176056742068814]
オンラインレビューにおける意見スパムの検出には様々なアプローチが提案されている。
我々は意見スパムの分類に有効な一連の機能を再設計した。
分布特性を用いることで分類器の性能を向上させることができることを示す。
論文 参考訳（メタデータ） (2020-12-27T10:23:44Z) - User and Item-aware Estimation of Review Helpfulness [4.640835690336653]
有用性決定因子としてのレビューの性質における逸脱の役割について検討する。
本稿では,従来のものを拡張した新しい有用性推定モデルを提案する。
そこで本モデルは,意思決定におけるユーザフィードバックの選択に有効なツールである。
論文 参考訳（メタデータ） (2020-11-20T15:35:56Z) - ReviewRobot: Explainable Paper Review Generation based on Knowledge
Synthesis [62.76038841302741]
レビュースコアを自動的に割り当てて,新規性や意味のある比較など,複数のカテゴリのコメントを書くための,新しいReviewRobotを構築した。
実験の結果,レビュースコア予測器の精度は71.4%-100%であった。
ドメインの専門家による人間による評価は、ReviewRobotが生成したコメントの41.7%-70.5%が有効で建設的であり、その20%は人間が書いたものよりも優れていることを示している。
論文 参考訳（メタデータ） (2020-10-13T02:17:58Z) - How Useful are Reviews for Recommendation? A Critical Review and
Potential Improvements [8.471274313213092]
本稿では,レビューテキストを用いてレコメンデーションシステムの改善を目指す,新たな作業体系について検討する。
実験条件やデータ前処理に変化はあるものの, 論文間で結果がコピーされていることから, 報告結果にいくつかの相違点がみられた。
さらなる調査では、リコメンデーションのためのユーザレビューの"重要"に関して、はるかに大きな問題に関する議論が求められている。
論文 参考訳（メタデータ） (2020-05-25T16:30:05Z) - Context-aware Helpfulness Prediction for Online Product Reviews [34.47368084659301]
本稿では,レビューの有用性を評価するニューラルディープ・ラーニング・モデルを提案する。
このモデルは畳み込みニューラルネットワーク(CNN)とコンテキスト認識符号化機構に基づいている。
我々は、人間の注釈付きデータセット上でモデルを検証し、その結果、既存のモデルよりも有益性予測に優れていたことを示す。
論文 参考訳（メタデータ） (2020-04-27T18:19:26Z) - Automating App Review Response Generation [67.58267006314415]
本稿では,レビューと回答の知識関係を学習することで,レビュー応答を自動的に生成する新しいアプローチRRGenを提案する。
58のアプリと309,246のレビュー-レスポンスペアの実験では、RRGenはBLEU-4の点で少なくとも67.4%のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-02-10T05:23:38Z)
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。