論文の概要: PROMINET: Prototype-based Multi-View Network for Interpretable Email Response Prediction

• arxiv url: http://arxiv.org/abs/2310.16753v1
• Date: Wed, 25 Oct 2023 16:39:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-26 13:41:47.227914
• Title: PROMINET: Prototype-based Multi-View Network for Interpretable Email Response Prediction
• Title（参考訳）: PROMINET: メール応答予測のためのプロトタイプベースのマルチビューネットワーク
• Authors: Yuqing Wang and Prashanth Vijayaraghavan and Ehsan Degan
• Abstract要約: 本研究では,メールデータからの意味情報と構造情報を組み込んだプロトタイプベースのマルチビューネットワーク(PROMINET)を提案する。 モデルマップは意味と構造を学習し、文書、文、フレーズなど、異なるレベルの粒度のトレーニングデータ中のサンプルを観察した。 学習したプロトタイプは、メールのテキスト編集を強化し、効果的なメール応答の可能性を高めるための提案を生成する可能性も示している。
• 参考スコア（独自算出の注目度）: 12.727146945870809
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Email is a widely used tool for business communication, and email marketing has emerged as a cost-effective strategy for enterprises. While previous studies have examined factors affecting email marketing performance, limited research has focused on understanding email response behavior by considering email content and metadata. This study proposes a Prototype-based Multi-view Network (PROMINET) that incorporates semantic and structural information from email data. By utilizing prototype learning, the PROMINET model generates latent exemplars, enabling interpretable email response prediction. The model maps learned semantic and structural exemplars to observed samples in the training data at different levels of granularity, such as document, sentence, or phrase. The approach is evaluated on two real-world email datasets: the Enron corpus and an in-house Email Marketing corpus. Experimental results demonstrate that the PROMINET model outperforms baseline models, achieving a ~3% improvement in F1 score on both datasets. Additionally, the model provides interpretability through prototypes at different granularity levels while maintaining comparable performance to non-interpretable models. The learned prototypes also show potential for generating suggestions to enhance email text editing and improve the likelihood of effective email responses. This research contributes to enhancing sender-receiver communication and customer engagement in email interactions.
• Abstract（参考訳）: メールはビジネスコミュニケーションに広く使われているツールであり、メールマーケティングは企業にとってコスト効率の良い戦略として現れてきた。 これまで,メールマーケティングのパフォーマンスに影響を与える要因について検討してきたが,メールの内容やメタデータを考慮し,メール応答行動の理解に重点を置いている。 本研究では,メールデータからの意味情報と構造情報を組み込んだプロトタイプベースのマルチビューネットワーク(PROMINET)を提案する。 ProMINETモデルはプロトタイプ学習を利用することで、潜在例を生成し、解釈可能な電子メール応答予測を可能にする。 モデルマップは意味と構造を学習し、文書、文、フレーズなど、異なるレベルの粒度のトレーニングデータ中のサンプルを観察した。 このアプローチは、Enronコーパスと社内Eメールマーケティングコーパスの2つの実世界のEメールデータセットで評価されている。 ProMINETモデルはベースラインモデルよりも優れており、両方のデータセットでF1スコアが約3%向上している。 さらに、モデルは異なる粒度のプロトタイプを通して解釈可能性を提供し、非解釈可能なモデルと同等のパフォーマンスを維持する。 学習したプロトタイプは、メールのテキスト編集を強化し、効果的なメール応答の可能性を高める提案を生成する可能性も示している。 本研究は電子メールのやりとりにおける送受信者コミュニケーションと顧客エンゲージメントの向上に寄与する。

関連論文リスト

• Few-shot learning for automated content analysis: Efficient coding of arguments and claims in the debate on arms deliveries to Ukraine [0.9576975587953563]
  トランスフォーマーニューラルネットワークに基づく事前学習言語モデル(PLM)は、通信科学における自動コンテンツ分析を改善する大きな機会を提供する。 これまでの3つの特徴は、NLP研究における英語モデルの優位性、必要な計算資源、微調整 PLM の訓練データ作成に必要な労力など、適用分野における手法の普及を妨げている。 我々は、われわれのアプローチを、コミュニケーション科学の現実的なユースケースで試し、主張や議論を自動的に検出し、ドイツによるウクライナへの武器の配達に関する議論におけるスタンスと合わせて検証する。
  論文  参考訳（メタデータ） (2023-12-28T11:39:08Z)
• RefSAM: Efficiently Adapting Segmenting Anything Model for Referring Video Object Segmentation [53.4319652364256]
  本稿では,ビデオオブジェクトのセグメンテーションを参照するためのSAMの可能性を探るRefSAMモデルを提案する。 提案手法は,Cross-RValModalを用いることで,モダリティ学習を向上させるためにオリジナルのSAMモデルに適応する。 我々は、言語と視覚の特徴を効果的に調整し、融合させるために、パラメータ効率のチューニング戦略を採用している。
  論文  参考訳（メタデータ） (2023-07-03T13:21:58Z)
• Pre-trained Language Models for Keyphrase Generation: A Thorough Empirical Study [76.52997424694767]
  事前学習言語モデルを用いて,キーフレーズ抽出とキーフレーズ生成の詳細な実験を行った。 PLMは、競争力のある高リソース性能と最先端の低リソース性能を持つことを示す。 さらに,領域内のBERTライクなPLMを用いて,強大かつデータ効率のよいキーフレーズ生成モデルを構築できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-20T13:20:21Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• Email Spam Detection Using Hierarchical Attention Hybrid Deep Learning Method [0.0]
  本稿では,畳み込みニューラルネットワーク,リカレントユニット,アテンションゲート機構を組み合わせたメールスパム検出手法を提案する。 提案手法は最先端のモデルと比較し,本手法の方が優れたことを示す。
  論文  参考訳（メタデータ） (2022-04-15T09:02:36Z)
• A pipeline and comparative study of 12 machine learning models for text classification [0.0]
  テキストベースのコミュニケーションは、特にビジネス環境では、コミュニケーション方法として非常に好まれる。 テキスト分類のための多くの機械学習手法が提案され、ほとんどのメールプロバイダのサービスに組み込まれている。 しかし、テキスト分類アルゴリズムを最適化し、攻撃性に関する適切なトレードオフを見つけることは、依然として大きな研究課題である。
  論文  参考訳（メタデータ） (2022-04-04T23:51:22Z)
• Modelling Direct Messaging Networks with Multiple Recipients for Cyber Deception [13.447335354083666]
  本稿では,電子メールとインスタントメッセージ形式のグループ通信を大規模に自動生成するフレームワークを提案する。 我々は,このタイプのシステムをシミュレーションする2つの重要な側面に対処する: 参加者がいつ,誰と通信するかをモデル化し,また,話題の多人数のテキストを生成して,シミュレートされた会話スレッドをポップアップさせる。 我々は,マルチパーティ会話スレッドを生成するために,微調整,事前訓練された言語モデルを用いることを実証する。
  論文  参考訳（メタデータ） (2021-11-21T10:18:48Z)
• LDNet: Unified Listener Dependent Modeling in MOS Prediction for Synthetic Speech [67.88748572167309]
  本稿では,平均世論スコア(MOS)予測のための統合フレームワークLDNetを提案する。 より安定した結果と効率的な計算を提供する2つの推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-18T08:52:31Z)
• Finding top performers through email patterns analysis [0.0]
  本研究は,ソーシャルネットワークとセマンティック分析を組み合わせることで,電子メール通信に基づくトップパフォーマーの同定を行う。 トップパフォーマーは、中央ネットワークの位置を仮定し、Eメールに対して高い応答性を持つ傾向にある。 メールの内容では、トップパフォーマーはよりポジティブで複雑な言語を使用し、感情が低いが、おそらく同僚によって再利用されるであろう影響力のある単語が豊富である。
  論文  参考訳（メタデータ） (2021-05-27T09:45:02Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)
• Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
  本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。 メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-05-26T23:41:05Z)

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。