論文の概要: ForeSeer: Product Aspect Forecasting Using Temporal Graph Embedding
- arxiv url: http://arxiv.org/abs/2310.04865v1
- Date: Sat, 7 Oct 2023 16:21:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 14:56:44.206567
- Title: ForeSeer: Product Aspect Forecasting Using Temporal Graph Embedding
- Title（参考訳）: foreseer: 時間グラフ埋め込みを用いた製品アスペクト予測
- Authors: Zixuan Liu, Gaurush Hiranandani, Kun Qian, Eddie W. Huang, Yi Xu,
Belinda Zeng, Karthik Subbian, Sheng Wang
- Abstract要約: Foreseerはレビューテキスト、製品ネットワーク、時間情報を効果的に統合することで、レビュー予測のための新しいフレームワークを提供する。
ForeSeerは,3年間で11,536,382のレビューと11,000の製品を含む実世界の製品レビューシステムで評価した。
- 参考スコア（独自算出の注目度）: 25.421723193835895
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developing text mining approaches to mine aspects from customer reviews has
been well-studied due to its importance in understanding customer needs and
product attributes. In contrast, it remains unclear how to predict the future
emerging aspects of a new product that currently has little review information.
This task, which we named product aspect forecasting, is critical for
recommending new products, but also challenging because of the missing reviews.
Here, we propose ForeSeer, a novel textual mining and product embedding
approach progressively trained on temporal product graphs for this novel
product aspect forecasting task. ForeSeer transfers reviews from similar
products on a large product graph and exploits these reviews to predict aspects
that might emerge in future reviews. A key novelty of our method is to jointly
provide review, product, and aspect embeddings that are both time-sensitive and
less affected by extremely imbalanced aspect frequencies. We evaluated ForeSeer
on a real-world product review system containing 11,536,382 reviews and 11,000
products over 3 years. We observe that ForeSeer substantially outperformed
existing approaches with at least 49.1\% AUPRC improvement under the real
setting where aspect associations are not given. ForeSeer further improves
future link prediction on the product graph and the review aspect association
prediction. Collectively, Foreseer offers a novel framework for review
forecasting by effectively integrating review text, product network, and
temporal information, opening up new avenues for online shopping recommendation
and e-commerce applications.
- Abstract（参考訳）: 顧客ニーズや製品属性を理解することの重要性から、顧客レビューからテキストマイニングの側面を抽出する手法の開発がよく研究されている。
対照的に、現在のレビュー情報がほとんどない新製品の将来的な側面をどう予測するかは、まだ不明だ。
プロダクトアスペクト予測(product aspect forecasting)と名づけたこのタスクは、新製品を推奨する上では重要ですが、レビュー不足のためにも課題があります。
本稿では,この新たな製品アスペクト予測タスクのために,時間的製品グラフに基づいて漸進的に学習する新しいテキストマイニングおよび製品埋め込み手法であるforeseerを提案する。
ForeSeerは、類似製品からのレビューを大きなプロダクトグラフで転送し、これらのレビューを利用して将来のレビューで現れるであろう側面を予測する。
本手法の重要な特徴は,極めて不均衡なアスペクト周波数の影響を受けない,時間に敏感なアスペクト埋め込みのレビュー,製品,アスペクト埋め込みを共同で提供することである。
ForeSeerは3年間で11,536,382のレビューと11,000の製品を含む実世界の製品レビューシステムで評価した。
アスペクトアソシエーションが与えられない実環境では、foreseerは少なくとも49.1\% auprc改善で既存のアプローチを大きく上回っていることを観察する。
foreseerは、製品グラフの将来のリンク予測とレビューアスペクトアソシエーション予測をさらに改善する。
総じて、foreseerはレビューテキスト、製品ネットワーク、時間情報を効果的に統合し、オンラインショッピングレコメンデーションやeコマースアプリケーションのための新しい道を開くことによって、レビュー予測のための新しいフレームワークを提供する。
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) - Improving Recommendation Relevance by simulating User Interest [77.34726150561087]
不活発な項目のランクを反復的に減らすことにより、リコメンデーション"レコメンデーション"が、簡単かつ透過的に維持可能であることを観察する。
この研究の背景にある基本的なアイデアは、オンラインレコメンデーションシステムの文脈で特許を取得している。
論文 参考訳（メタデータ） (2023-02-03T03:35:28Z) - Exploring the Distribution Regularities of User Attention and Sentiment
toward Product Aspects in Online Reviews [7.23135508361981]
本稿では,オンラインレビューの時間的視点から,ユーザの注意と製品面に対する感情の分布の規則性について考察する。
実証的な結果から,ユーザからの注目を製品面に当てはめることができ,短い期間に投稿されたレビューには,より多くの製品面が含まれていることが分かる。
論文 参考訳（メタデータ） (2022-09-08T10:23:16Z) - Latent Aspect Detection from Online Unsolicited Customer Reviews [3.622430080512776]
アスペクト検出は、プロダクトオーナとサービスプロバイダが欠点を特定し、顧客のニーズを優先順位付けするのに役立つ。
既存の手法は、アスペクトがレビューに潜んでいるときに不足する教師あり学習法を訓練することで、アスペクトの表面形態を検出することに重点を置いている。
側面の潜在事象を抽出する教師なし手法を提案する。
論文 参考訳（メタデータ） (2022-04-14T13:46:25Z) - Sequential Recommendation via Stochastic Self-Attention [68.52192964559829]
Transformerベースのアプローチでは、アイテムをベクトルとして埋め込んで、ドット積の自己アテンションを使用してアイテム間の関係を測定する。
本稿では,これらの問題を克服するための新しいtextbfStochastic textbfSelf-textbfAttention (STOSA) を提案する。
我々は、アイテムと項目の位置関係を列で特徴づける新しいワッサースタイン自己保持モジュールを考案した。
論文 参考訳（メタデータ） (2022-01-16T12:38:45Z) - Can Online Customer Reviews Help Design More Sustainable Products? A
Preliminary Study on Amazon Climate Pledge Friendly Products [0.0]
この論文は、Amazonの製品レビューを調査し分析し、以下の質問に新たな光を当てている。
スター格付けによって均等に分配された上位100のレビューは、3つの製品カテゴリが収集され、手動で注釈付けされ、分析され、解釈される。
レビューの12%から20%の間、直接または間接的に言及されたアスペクトや属性は、持続可能性の観点からこれらの製品の設計を改善するために利用することができる。
論文 参考訳（メタデータ） (2021-12-20T08:57:37Z) - 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) - Rating and aspect-based opinion graph embeddings for explainable
recommendations [69.9674326582747]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpが6つのドメインで生成したグラフに対して、最先端のグラフ埋め込み技術を適用し、評価し、ベースラインレコメンデータを上回っます。
論文 参考訳（メタデータ） (2021-07-07T14:07:07Z) - E-commerce Query-based Generation based on User Review [1.484852576248587]
本稿では,従来のユーザによるレビューに基づいて,ユーザの質問に対する回答を生成するための新しいセク2seqベースのテキスト生成モデルを提案する。
ユーザの質問や感情の極性が与えられた場合,関心事の側面を抽出し,過去のユーザレビューを要約した回答を生成する。
論文 参考訳（メタデータ） (2020-11-11T04:58:31Z) - Few-Shot Learning for Opinion Summarization [117.70510762845338]
オピニオン要約は、複数の文書で表現された主観的な情報を反映したテキストの自動生成である。
本研究では,要約テキストの生成をブートストラップするのには,少数の要約でも十分であることを示す。
提案手法は, 従来の抽出法および抽象法を, 自動的, 人的評価において大きく上回っている。
論文 参考訳（メタデータ） (2020-04-30T15:37:38Z) - Mining Changes in User Expectation Over Time From Online Reviews [0.7742297876120561]
本稿では,2世代の製品に対するオンラインレビューに基づいて,製品価格におけるユーザ期待の変化を捉えるアプローチを提案する。
まず、ルールベースの自然言語処理手法を用いて、レビューテキストから製品価格を自動的に識別し、構成する。
最後に,2世代連続製品のオンラインレビューにコンジョイント分析を適用することで,ユーザ期待の変化を見いだすことができる。
論文 参考訳（メタデータ） (2020-01-13T12:57:06Z)
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。