Fugu-MT 論文翻訳(概要): Extracting Entities of Interest from Comparative Product Reviews

論文の概要: Extracting Entities of Interest from Comparative Product Reviews

arxiv url: http://arxiv.org/abs/2310.20274v1
Date: Tue, 31 Oct 2023 08:43:11 GMT
ステータス: 処理完了
システム内更新日: 2023-11-01 15:57:57.060159
Title: Extracting Entities of Interest from Comparative Product Reviews
Title（参考訳）: 比較製品レビューから利害関係を抽出する
Authors: Jatin Arora, Sumit Agrawal, Pawan Goyal and Sayan Pathak
Abstract要約: 本稿では,各種電子商取引サイトにおけるユーザレビューから製品比較情報を抽出するための深層学習に基づくアプローチを提案する。 LSTMを用いて,両者の相互関係を良好に把握できることが観察された。
参考スコア（独自算出の注目度）: 9.401989315830846
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a deep learning based approach to extract product comparison information out of user reviews on various e-commerce websites. Any comparative product review has three major entities of information: the names of the products being compared, the user opinion (predicate) and the feature or aspect under comparison. All these informing entities are dependent on each other and bound by the rules of the language, in the review. We observe that their inter-dependencies can be captured well using LSTMs. We evaluate our system on existing manually labeled datasets and observe out-performance over the existing Semantic Role Labeling (SRL) framework popular for this task.
Abstract（参考訳）: 本稿では,各種電子商取引サイトにおけるユーザレビューから製品比較情報を抽出するための深層学習に基づくアプローチを提案する。比較製品レビューには、比較対象製品の名前、ユーザーの意見(述語)、比較対象の機能または側面の3つの主要な要素がある。これらの通知エンティティはすべて互いに依存しており、レビューでは言語のルールに縛られている。 LSTMを用いて,それらの相互依存性をよく捉えることができる。我々は、既存の手動ラベル付きデータセット上でシステムを評価し、このタスクで人気のある既存のsrl(semantic role labeling)フレームワークのパフォーマンスを観察する。

関連論文リスト

Centrality-aware Product Retrieval and Ranking [14.710718676076327]
本稿では,ユーザの検索クエリに関連する製品ランキングを強化することで,eコマースプラットフォーム上でのユーザエクスペリエンス向上の課題に対処する。 eBayのサンプルをキュレートし、購入者中心の関連スコアと集中度スコアを手作業でアノテートしました。本稿では,既存モデルに対するユーザインテリジェンス中心性最適化(UCO)アプローチを提案する。
論文参考訳（メタデータ） (2024-10-21T11:59:14Z)
Match, Compare, or Select? An Investigation of Large Language Models for Entity Matching [47.01589023992927]
我々は、複数の戦略と大規模言語モデル(LLM)の構成を利用する複合エンティティマッチングフレームワーク(ComEM)を設計する。 ComEMは、異なる側面の利点から恩恵を受け、効率性と効率性の両方の改善を実現します。 8つのERデータセットと9つのLLMによる実験結果は、選択戦略によりレコード相互作用を組み込むことの優位性を検証した。
論文参考訳（メタデータ） (2024-05-27T07:05:27Z)
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)
Comparing Apples to Apples: Generating Aspect-Aware Comparative Sentences from User Reviews [6.428416845132992]
我々のパイプラインは、流動的で多様な比較文を生成する。人間の評価研究において,生成した文の妥当性と忠実性について実験を行った。
論文参考訳（メタデータ） (2023-07-05T23:19:18Z)
When Search Meets Recommendation: Learning Disentangled Search Representation for Recommendation [56.98380787425388]
シークエンシャルレコメンデーション(SESRec)のための検索強化フレームワークを提案する。 SESRec は、S&R の振る舞いにおいて類似および異種表現を分離する。産業用と公共用両方のデータセットの実験では、SESRecが最先端のモデルより一貫して優れていることが示されている。
論文参考訳（メタデータ） (2023-05-18T09:04:50Z)
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)
Prompted Opinion Summarization with GPT-3.5 [115.95460650578678]
GPT-3.5モデルは人体評価において非常に高い性能を示す。我々は,標準評価指標がこれを反映していないことを論じ,忠実性,事実性,汎用性を重視した3つの新しい指標を導入する。
論文参考訳（メタデータ） (2022-11-29T04:06:21Z)
Intent-based Product Collections for E-commerce using Pretrained Language Models [8.847005669899703]
我々は、意図に基づく製品コレクションを作成するために、Webスケール製品のテキスト属性を利用する事前学習言語モデル(PLM)を使用している。本モデルは,オフライン評価において,意図に基づく製品マッチングのための検索ベースラインモデルよりも大幅に優れている。電子商取引プラットフォーム上でのオンライン実験結果から, PLM法により, CTR, CVR, オーダー多様性が向上した製品コレクションを, 専門家によるコレクションと比較して構築できることが示唆された。
論文参考訳（メタデータ） (2021-10-15T17:52:42Z)
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)
AliExpress Learning-To-Rank: Maximizing Online Model Performance without Going Online [60.887637616379926]
本稿では,学習からランクへ学習するための評価器・ジェネレータフレームワークを提案する。コンテキストを含むレコメンデーションを一般化して評価する評価器と、強化学習による評価器スコアを最大化するジェネレータとから構成される。本手法は, オンラインA/Bテストにおける産業レベルの微調整モデルよりも, 変換率(CR)の面で大幅に向上する。
論文参考訳（メタデータ） (2020-03-25T10:27:44Z)
Sentiment Analysis Using Averaged Weighted Word Vector Features [1.2691047660244332]
我々は,異なる種類の単語ベクトルを組み合わせて,レビューの極性を学習し,推定する2つの手法を開発した。本手法は、感情分析の標準ベンチマークとして使用される異なる領域の複数のデータセットに適用する。
論文参考訳（メタデータ） (2020-02-13T16:30:34Z)

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。