論文の概要: Assessing Guest Nationality Composition from Hotel Reviews

• arxiv url: http://arxiv.org/abs/2308.06175v1
• Date: Fri, 11 Aug 2023 15:04:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 13:46:08.613974
• Title: Assessing Guest Nationality Composition from Hotel Reviews
• Title（参考訳）: ホテルレビューによるゲスト国籍構成の評価
• Authors: Fabian Gr\"oger, Marc Pouly, Flavia Tinner, Leif Brandes
• Abstract要約: 機械学習を利用して、構造化されていないテキストレビューからゲストの国籍への参照を抽出する方法を示す。 特に、事前訓練された埋め込みと積み重ねられたLSTMレイヤの比較的単純なアーキテクチャは、より複雑な最先端言語モデルよりもパフォーマンスと実行時のトレードオフが優れていることを示す。
• 参考スコア（独自算出の注目度）: 1.2599533416395765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many hotels target guest acquisition efforts to specific markets in order to best anticipate individual preferences and needs of their guests. Likewise, such strategic positioning is a prerequisite for efficient marketing budget allocation. Official statistics report on the number of visitors from different countries, but no fine-grained information on the guest composition of individual businesses exists. There is, however, growing interest in such data from competitors, suppliers, researchers and the general public. We demonstrate how machine learning can be leveraged to extract references to guest nationalities from unstructured text reviews in order to dynamically assess and monitor the dynamics of guest composition of individual businesses. In particular, we show that a rather simple architecture of pre-trained embeddings and stacked LSTM layers provides a better performance-runtime tradeoff than more complex state-of-the-art language models.
• Abstract（参考訳）: 多くのホテルは、客の個人的好みやニーズを最大限に予測するために、特定の市場への客獲得を目標としている。 同様に、このような戦略的位置決めは効率的なマーケティング予算配分の前提条件である。 公式統計では各国からの来訪者数を報告しているが、個々の事業者の来訪者構成に関する詳細な情報はない。 しかし、競合企業、サプライヤー、研究者、一般大衆からのデータへの関心が高まっている。 本研究では,非構造化テキストレビューから客の国籍への参照を抽出し,各企業の客構成のダイナミクスを動的に評価・監視するために,機械学習を活用できることを実証する。 特に、事前訓練された埋め込みと積み重ねられたLSTMレイヤの比較的単純なアーキテクチャは、より複雑な最先端言語モデルよりもパフォーマンスと実行時のトレードオフが優れていることを示す。

関連論文リスト

• Sports center customer segmentation: a case study [0.4427312315598971]
  この調査は顧客セグメンテーションの健全な提案につながった。 この提案のハイライトは、問題を分解する便利なデータ分割、適応距離関数の定義、遺伝的アルゴリズムによる最適化である。
  論文  参考訳（メタデータ） (2024-05-23T22:05:04Z)
• Automating Customer Needs Analysis: A Comparative Study of Large Language Models in the Travel Industry [2.4244694855867275]
  大規模言語モデル(LLM)は、大量のテキストデータから貴重な洞察を抽出するための強力なツールとして登場した。 本研究では,TripAdvisor 投稿から旅行客のニーズを抽出するための LLM の比較分析を行った。 特にMistral 7Bは,大規模クローズドモデルに匹敵する性能を示した。
  論文  参考訳（メタデータ） (2024-04-27T18:28:10Z)
• Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
  我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。 我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。 我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
  論文  参考訳（メタデータ） (2024-03-15T20:21:31Z)
• Towards Personalized Evaluation of Large Language Models with An Anonymous Crowd-Sourcing Platform [64.76104135495576]
  大規模言語モデルのための匿名クラウドソーシング評価プラットフォームであるBingJianを提案する。 このプラットフォームを通じて、ユーザーは質問を提出し、パーソナライズされ、潜在的に幅広い機能でモデルをテストできる。
  論文  参考訳（メタデータ） (2024-03-13T07:31:20Z)
• Global and Local Prompts Cooperation via Optimal Transport for Federated Learning [13.652593797756774]
  本稿では,FedOTP(Federated Prompts Cooperation via Optimal Transport)を提案する。 具体的には、各クライアントに対して、クライアント間のコンセンサス知識を抽出するグローバルなプロンプトと、クライアント固有のカテゴリ特性をキャプチャするローカルなプロンプトを学習する。 不均衡な最適輸送は、これらのプロンプトと局所的な視覚的特徴を整合させるために使用され、グローバルなコンセンサスと局所的なパーソナライゼーションのバランスを損なう。
  論文  参考訳（メタデータ） (2024-02-29T11:43:04Z)
• Low-Rank Adaptation for Multilingual Summarization: An Empirical Study [60.541168233698194]
  私たちはその可能性を調査する。 多言語要約領域におけるローランド適応(LoRA)に着目した効率的なファインチューニング ハイデータやローデータの設定、言語間転送など、さまざまなデータ可用性シナリオに関する広範な調査を行います。 以上の結果から,LoRAは大量のデータでトレーニングされた場合の完全な微調整と競合し,低データシナリオや言語間転送に優れることがわかった。
  論文  参考訳（メタデータ） (2023-11-14T22:32:39Z)
• Generative Judge for Evaluating Alignment [84.09815387884753]
  本稿では,これらの課題に対処するために,13Bパラメータを持つ生成判断器Auto-Jを提案する。 我々のモデルは,大規模な実環境シナリオ下でのユーザクエリとLLM生成応答に基づいて訓練されている。 実験的に、Auto-Jはオープンソースモデルとクローズドソースモデルの両方を含む、強力なライバルのシリーズを上回っている。
  論文  参考訳（メタデータ） (2023-10-09T07:27:15Z)
• Cross-Lingual NER for Financial Transaction Data in Low-Resource Languages [70.25418443146435]
  半構造化テキストデータにおける言語間名前認識のための効率的なモデリングフレームワークを提案する。 我々は2つの独立したSMSデータセットを英語とアラビア語で使用し、それぞれが半構造化された銀行取引情報を持っている。 わずか30のラベル付きサンプルにアクセスすることで、我々のモデルは、英語からアラビア語までの商人、金額、その他の分野の認識を一般化することができる。
  論文  参考訳（メタデータ） (2023-07-16T00:45:42Z)
• Collaborative Chinese Text Recognition with Personalized Federated Learning [61.34060587461462]
  中国語のテキスト認識では、ある組織が類似の組織から大量のデータを収集することがしばしば必要である。 アドレスや電話番号などのテキストデータに個人情報が自然に存在するため、異なる組織はプライベートデータを共有したくない。 中国語テキスト認識タスクにパーソナライズド・フェデレーション・ラーニング(pFL)を導入し,pFedCRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-09T16:51:00Z)
• Data-Driven Market Segmentation in Hospitality Using Unsupervised Machine Learning [0.0]
  この研究は、階層的クラスタリングによってゲストプロファイルをセグメント化することで、データ駆動型アプローチを提供する。 本研究の目的は、生データから実行可能な洞察まで、プロセスのステップを提供することである。
  論文  参考訳（メタデータ） (2021-11-04T13:21:15Z)
• Survey of Personalization Techniques for Federated Learning [0.08594140167290096]
  フェデレートされた機械学習は、プライバシを損なうことなく、プライベートな分散データから機械学習モデルを学習することを可能にする。 本稿では、パーソナライズの必要性を強調し、このトピックに関する最近の研究について調査する。
  論文  参考訳（メタデータ） (2020-03-19T10:47:55Z)

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。