論文の概要: What factors influence the popularity of user-generated text in the
creative domain? A case study of book reviews
- arxiv url: http://arxiv.org/abs/2311.06714v1
- Date: Sun, 12 Nov 2023 02:54:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 17:20:35.368097
- Title: What factors influence the popularity of user-generated text in the
creative domain? A case study of book reviews
- Title（参考訳）: 創造領域におけるユーザ生成テキストの人気に影響を与える要因は何か?
書評の事例研究
- Authors: Salim Sazzed
- Abstract要約: 本研究は, 書評の心理的, 語彙的, 意味的, 可読性の諸特徴について検討し, その評価の根底にある要因を解明する。
従来の機械学習分類器と変換器をベースとした微調整言語モデルにn-gram機能を導入し,レビューの人気を自動的に判定する。
その結果,いくつかの特徴を除いて,ほとんどの属性は人気レビュー群と非人気レビュー群に有意な差は示さないことがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study investigates a range of psychological, lexical, semantic, and
readability features of book reviews to elucidate the factors underlying their
perceived popularity. To this end, we conduct statistical analyses of various
features, including the types and frequency of opinion and emotion-conveying
terms, connectives, character mentions, word uniqueness, commonness, and
sentence structure, among others. Additionally, we utilize two readability
tests to explore whether reading ease is positively associated with review
popularity. Finally, we employ traditional machine learning classifiers and
transformer-based fine-tuned language models with n-gram features to
automatically determine review popularity. Our findings indicate that, with the
exception of a few features (e.g., review length, emotions, and word
uniqueness), most attributes do not exhibit significant differences between
popular and non-popular review groups. Furthermore, the poor performance of
machine learning classifiers using the word n-gram feature highlights the
challenges associated with determining popularity in creative domains. Overall,
our study provides insights into the factors underlying review popularity and
highlights the need for further research in this area, particularly in the
creative realm.
- Abstract（参考訳）: 本研究は,本書レビューの心理学的,語彙的,意味的,可読性的特徴を調査し,その人気感の要因を明らかにする。
この目的を達成するために,意見のタイプや頻度,感情満足語,コネクティブ,キャラクタ言及,単語の特異性,共通性,文構造など,さまざまな特徴を統計的に分析する。
さらに,2つの可読性テストを用いて,読みやすさとレビュー人気との関連性を検討した。
最後に,従来の機械学習分類器と,n-gram機能を備えた変換言語モデルを用いて,レビューの人気を自動的に判定する。
以上の結果から,いくつかの特徴(例えば,レビューの長さ,感情,単語の独特性)を除いて,ほとんどの属性は,人気レビューグループと非人気レビューグループの間に有意な差異を示さないことが示唆された。
さらに、n-gramという単語を用いた機械学習分類器の性能の低さは、クリエイティブドメインの人気決定に関わる課題を強調している。
総じて,本研究はレビュー人気の背景となる要因について考察し,特に創造的領域におけるさらなる研究の必要性を強調した。
関連論文リスト
- Word Importance Explains How Prompts Affect Language Model Outputs [0.7223681457195862]
本研究では,個々の単語をインプロンプトで変化させることにより,大規模言語モデルの説明可能性を向上させる手法を提案する。
古典的注目とは違って、単語の重要度は、任意に定義されたテキストスコアに対する急進的な単語の影響を測定する。
その結果,単語の重要度スコアは,複数のスコア機能において期待される接尾辞の重要度と密接に関連していることがわかった。
論文 参考訳（メタデータ） (2024-03-05T15:04:18Z) - Textual Stylistic Variation: Choices, Genres and Individuals [0.8057441774248633]
この章では、テキストコレクションのスタイリスティックな変動の統計処理のためのより情報的なターゲットメトリクスを論じている。
本章ではジャンルごとの変奏について論じ、個々の選択による変奏と対比する。
論文 参考訳（メタデータ） (2022-05-01T16:39:49Z) - Polling Latent Opinions: A Method for Computational Sociolinguistics
Using Transformer Language Models [4.874780144224057]
我々は,Yelp レビューのより大きなコーパス内で,トランスフォーマー言語モデルの記憶と外挿の能力を用いて,サブグループの言語的振る舞いを学習する。
トレーニングコーパスに特定のキーワードが制限されたり、全く存在しない場合においても、GPTは正しい感情を持つ大量のテキストを正確に生成できることを示す。
論文 参考訳（メタデータ） (2022-04-15T14:33:58Z) - 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) - Sentiment analysis in tweets: an assessment study from classical to
modern text representation models [59.107260266206445]
Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。
非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。
本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
論文 参考訳（メタデータ） (2021-05-29T21:05:28Z) - Modeling Social Readers: Novel Tools for Addressing Reception from
Online Book Reviews [0.0]
5つの人気小説のレビューのコーパスを使用して、小説のメインストーリーラインの読者の蒸留を研究します。
無限語彙ネットワークの研究に3つの重要な貢献をしている。
本稿では、レビューから集約された部分軌跡に基づいてイベントのコンセンサスシーケンスを生成する新しいシーケンシングアルゴリズムREV2SEQを提案する。
論文 参考訳（メタデータ） (2021-05-03T20:10:14Z) - User Factor Adaptation for User Embedding via Multitask Learning [45.56193775870044]
ユーザ関心をドメインとして扱い、ユーザ言語がどのように異なるかを経験的に検証する。
マルチタスク学習フレームワークを用いて,ユーザの関心の言語変動を考慮したユーザ埋め込みモデルを提案する。
モデルは人間の監督なしにユーザ言語とそのバリエーションを学習する。
論文 参考訳（メタデータ） (2021-02-22T15:21:01Z) - Quantifying Learnability and Describability of Visual Concepts Emerging
in Representation Learning [91.58529629419135]
我々は、ディープニューラルネットワークによって自動的に発見された視覚的なグルーピングを特徴付ける方法を検討する。
本稿では、任意の画像グループ化の解釈可能性の定量化に使用できる視覚的学習可能性と記述可能性という2つの概念を紹介する。
論文 参考訳（メタデータ） (2020-10-27T18:41:49Z) - Curious Case of Language Generation Evaluation Metrics: A Cautionary
Tale [52.663117551150954]
イメージキャプションや機械翻訳などのタスクを評価するデファクトメトリクスとして、いくつかの一般的な指標が残っている。
これは、使いやすさが原因でもあり、また、研究者がそれらを見て解釈する方法を知りたがっているためでもある。
本稿では,モデルの自動評価方法について,コミュニティにより慎重に検討するよう促す。
論文 参考訳（メタデータ） (2020-10-26T13:57:20Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳（メタデータ） (2020-06-02T13:34:11Z)
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。