論文の概要: SEOpinion: Summarization and Exploration Opinion of E-Commerce Websites
- arxiv url: http://arxiv.org/abs/2312.14171v1
- Date: Tue, 12 Dec 2023 15:45:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 13:14:35.811256
- Title: SEOpinion: Summarization and Exploration Opinion of E-Commerce Websites
- Title（参考訳）: SEOpinion:EコマースWebサイトの要約と探索
- Authors: Alhassan Mabrouk and Rebeca P. D\'iaz-Redondo and Mohammed Kayed
- Abstract要約: 本稿では,SEOpinion(Summa-rization and Exploration of Opinion)と呼ばれる方法論を提案する。
テンプレートの情報と顧客のレビューの組合せを2つの主要なフェーズで組み合わせることで、製品面の要約を提供し、それらに対する意見を示す。
本稿では,Deep LearningベースのBERT技術の適用可能性をテストするため,ノートパソコン用EC Webサイトのトップ5から情報を収集してコーパスを作成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: E-Commerce (EC) websites provide a large amount of useful information that
exceed human cognitive processing ability. In order to help customers in
comparing alternatives when buying a product, previous studies designed opinion
summarization systems based on customer reviews. They ignored templates'
information provided by manufacturers, although these descriptive information
have much product aspects or characteristics. Therefore, this paper proposes a
methodology coined as SEOpinion (Summa-rization and Exploration of Opinions)
which provides a summary for the product aspects and spots opinion(s) regarding
them, using a combination of templates' information with the customer reviews
in two main phases. First, the Hierarchical Aspect Extraction (HAE) phase
creates a hierarchy of product aspects from the template. Subsequently, the
Hierarchical Aspect-based Opinion Summarization (HAOS) phase enriches this
hierarchy with customers' opinions; to be shown to other potential buyers. To
test the feasibility of using Deep Learning-based BERT techniques with our
approach, we have created a corpus by gathering information from the top five
EC websites for laptops. The experimental results show that Recurrent Neural
Network (RNN) achieves better results (77.4% and 82.6% in terms of F1-measure
for the first and second phase) than the Convolutional Neural Network (CNN) and
the Support Vector Machine (SVM) technique.
- Abstract（参考訳）: Eコマース(EC)ウェブサイトは、人間の認知処理能力を超える有用な情報を大量に提供している。
商品購入時の代替品の比較を支援するため、過去の研究では顧客レビューに基づく意見要約システムを考案した。
彼らはメーカーが提供するテンプレートの情報を無視したが、これらの記述的情報は多くの製品側面や特徴を持っている。
そこで本研究では,2つの主要な段階において,テンプレートの情報と顧客レビューの組合せを用いて,製品面の要約と,それらに関する意見(意見)を提示するSEOpinion(Summa-rization and Exploration of Opinions)という手法を提案する。
まず、階層的アスペクト抽出(HAE)フェーズは、テンプレートから製品側面の階層を生成する。
続いて、階層的アスペクトベース意見要約(haos)フェーズは、この階層を顧客の意見で強化し、他の潜在的な購入者に示す。
本稿では,Deep LearningベースのBERT技術の適用可能性をテストするため,ノートパソコン用EC Webサイトのトップ5から情報を収集してコーパスを作成する。
実験結果から、Recurrent Neural Network(RNN)は、畳み込みニューラルネットワーク(CNN)やSVM(Support Vector Machine)技術よりも優れた結果(第1フェーズと第2フェーズのF1尺度では77.4%と82.6%)が得られることが示された。
関連論文リスト
- Instruct-DeBERTa: A Hybrid Approach for Aspect-based Sentiment Analysis on Textual Reviews [2.0143010051030417]
Aspect-based Sentiment Analysis (ABSA)は自然言語処理(NLP)における重要な課題である
従来の感情分析手法は、全体的な感情を決定するのに有用だが、特定の製品やサービス機能に関する暗黙の意見を見逃すことが多い。
本稿では、レキシコンベースのアプローチから機械学習まで、ABSA方法論の進化を包括的に概観する。
論文 参考訳（メタデータ） (2024-08-23T16:31:07Z) - An explainable machine learning-based approach for analyzing customers'
online data to identify the importance of product attributes [0.6437284704257459]
本稿では,製品開発におけるデザインの包括的意味を抽出するゲーム理論機械学習(ML)手法を提案する。
提案手法をKaggleの実際のラップトップのデータセットに適用し,結果に基づいて設計上の意味を導出する。
論文 参考訳（メタデータ） (2024-02-03T20:50:48Z) - AiGen-FoodReview: A Multimodal Dataset of Machine-Generated Restaurant
Reviews and Images on Social Media [57.70351255180495]
AiGen-FoodReviewは、20,144のレストランレビューイメージペアからなるデータセットである。
FLAVAで99.80%のマルチモーダル精度を達成し,一様・多モーダル検出モデルについて検討する。
この論文は、データセットをオープンソース化し、偽レビュー検出装置を公開し、非モーダルかつマルチモーダルな偽レビュー検出タスクでの使用を推奨し、合成データと真正データにおける言語的特徴と視覚的特徴を評価することで貢献する。
論文 参考訳（メタデータ） (2024-01-16T20:57:36Z) - Opinion mining using Double Channel CNN for Recommender System [0.0]
深層学習モデルを用いた感情分析のアプローチを提案し,それを製品に推奨する。
意見マイニングには2チャネル畳み込みニューラルネットワークモデルが使用されており、5つのレイヤを持ち、データから重要な特徴を抽出する。
提案手法の精度は91.6%に達し, 従来のアスペクトベース手法に比べて有意に向上した。
論文 参考訳（メタデータ） (2023-07-15T13:11:18Z) - 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) - Automatic Controllable Product Copywriting for E-Commerce [58.97059802658354]
我々は、JD.comのeコマースレコメンデーションプラットフォームに、Eコマースのプレフィックスベースのコントロール可能なコピーライティング生成をデプロイする。
提案するECCCGの有効性を検証する実験を行った。
本稿では,リアルタイムのJD.com電子商取引レコメンデーションプラットフォームに,ECCCGと連携するデプロイアーキテクチャを導入する。
論文 参考訳（メタデータ） (2022-06-21T04:18:52Z) - 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) - ItemSage: Learning Product Embeddings for Shopping Recommendations at
Pinterest [60.841761065439414]
Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。
このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
論文 参考訳（メタデータ） (2022-05-24T02:28:58Z) - CUSTOM: Aspect-Oriented Product Summarization for E-Commerce [33.148235036915885]
製品要約は、商品の説明を自動的に生成することを目的としています。
異なる製品面での顧客の好みを考えると、アスペクト指向のカスタマイズされた要約を生成するメリットがあるでしょう。
我々は,多様かつ制御可能な要約を異なる製品面に向けて生成するCUSTOMを提案する。
論文 参考訳（メタデータ） (2021-08-18T07:26:22Z) - User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。
ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。
実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-02-16T02:08:52Z)
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。