論文の概要: A Machine Learning Approach to Detect Customer Satisfaction From Multiple Tweet Parameters

• arxiv url: http://arxiv.org/abs/2402.15992v1
• Date: Sun, 25 Feb 2024 05:16:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-27 16:04:58.365764
• Title: A Machine Learning Approach to Detect Customer Satisfaction From Multiple Tweet Parameters
• Title（参考訳）: 複数のツイートパラメータから顧客満足度を検出する機械学習アプローチ
• Authors: Md Mahmudul Hasan, Dr. Shaikh Anowarul Fattah
• Abstract要約: 肯定的なレビューは同社の成長に役立つが、ネガティブなレビューは収益と評判を急速に損なう可能性がある。 しかし、何千ものツイートを調査して分析して顧客の満足度を見つけることは、非常に難しい作業だ。 機械学習とディープラーニング技術を使用して手順を自動化するために、この戦略に関するいくつかの作業がすでに行われている。 この研究は、これらの性質を含める視点を広げた。
• 参考スコア（独自算出の注目度）: 0.8585882243614277
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Since internet technologies have advanced, one of the primary factors in company development is customer happiness. Online platforms have become prominent places for sharing reviews. Twitter is one of these platforms where customers frequently post their thoughts. Reviews of flights on these platforms have become a concern for the airline business. A positive review can help the company grow, while a negative one can quickly ruin its revenue and reputation. So it's vital for airline businesses to examine the feedback and experiences of their customers and enhance their services to remain competitive. But studying thousands of tweets and analyzing them to find the satisfaction of the customer is quite a difficult task. This tedious process can be made easier by using a machine learning approach to analyze tweets to determine client satisfaction levels. Some work has already been done on this strategy to automate the procedure using machine learning and deep learning techniques. However, they are all purely concerned with assessing the text's sentiment. In addition to the text, the tweet also includes the time, location, username, airline name, and so on. This additional information can be crucial for improving the model's outcome. To provide a machine learning based solution, this work has broadened its perspective to include these qualities. And it has come as no surprise that the additional features beyond text sentiment analysis produce better outcomes in machine learning based models.
• Abstract（参考訳）: インターネット技術が進歩しているため、企業開発の主要な要因の1つは顧客満足である。 オンラインプラットフォームはレビューを共有するための重要な場所になっている。 Twitterは、顧客がよく考えを投稿するプラットフォームの一つだ。 これらのプラットフォーム上でのフライトのレビューは、航空会社ビジネスにとって懸念されている。 ポジティブなレビューは会社の成長を助け、ネガティブなレビューはすぐに収益と評判を損なう可能性がある。 したがって、航空会社は顧客のフィードバックと経験を調べ、競争力を維持するためにサービスを強化することが不可欠です。 しかし、何千ものツイートを調べて分析して顧客の満足度を見つけることは、非常に難しい作業だ。 この面倒なプロセスは、機械学習のアプローチを使ってツイートを分析し、顧客満足度を判断することによって簡単にできる。 機械学習とディープラーニング技術を使って手順を自動化するために、この戦略ですでにいくつかの作業が行われている。 しかし、いずれも本文の感情を評価することに関心がある。 テキストに加えて、そのツイートには時間、場所、ユーザー名、航空会社名なども含まれている。 この追加情報は、モデルの結果を改善するために重要である。 機械学習ベースのソリューションを提供するため、この研究はこれらの品質を含む視点を広げた。 そして、テキストの感情分析以外の追加機能が機械学習ベースのモデルでより良い結果をもたらすのは驚きではない。

関連論文リスト

• Impact of Decentralized Learning on Player Utilities in Stackelberg Games [57.08270857260131]
  多くの2エージェントシステムでは、各エージェントは別々に学習し、2つのエージェントの報酬は完全に一致しない。 分散学習を用いたStackelbergゲームとしてこれらのシステムをモデル化し、標準後悔ベンチマークが少なくとも1人のプレイヤーにとって最悪の線形後悔をもたらすことを示す。 我々は,これらのベンチマークに関して,両プレイヤーにとってほぼ最適な$O(T2/3)を後悔するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-02-29T23:38:28Z)
• UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
  大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。 我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
  論文  参考訳（メタデータ） (2023-10-02T17:40:01Z)
• Harnessing the Power of Text-image Contrastive Models for Automatic Detection of Online Misinformation [50.46219766161111]
  誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。 本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-19T02:53:59Z)
• Happy or grumpy? A Machine Learning Approach to Analyze the Sentiment of Airline Passengers' Tweets [17.611366838121064]
  本研究は,航空会社に言及したつぶやきの感情を分析し,顧客満足度を測定することを目的とする。 関連するつぶやきはTwitterのAPIから検索され、トークン化とベクトル化によって処理される。 感情分析に加えて、収集したつぶやきの語彙分析を行い、キーワードの頻度をモデル化する。
  論文  参考訳（メタデータ） (2022-09-28T18:50:11Z)
• 5-Star Hotel Customer Satisfaction Analysis Using Hybrid Methodology [0.0]
  我々の研究は、レビューデータから顧客満足度を判断する新しい方法を提案する。 これまで実施されてきた顧客満足度に関する多くの研究とは異なり、本研究は論文の新規性を持っている。
  論文  参考訳（メタデータ） (2022-09-26T04:53:10Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• A Comparative Study of Sentiment Analysis Using NLP and Different Machine Learning Techniques on US Airline Twitter Data [0.0]
  知覚分析は自然言語処理(NLP)と機械学習(ML)の技法である 本稿では,2つのNLP手法(Bag-of-WordsとTF-IDF)と各種ML分類アルゴリズムを提案する。 ベストアプローチは,Bag-of-Words技術を用いたSupport Vector MachineとLogistic Regressionを用いた77%の精度を提供する。
  論文  参考訳（メタデータ） (2021-10-02T18:05:00Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• SentiLSTM: A Deep Learning Approach for Sentiment Analysis of Restaurant Reviews [13.018530502810128]
  本稿では,レストランのクライアントが提供したレビューを肯定的,否定的な極性に分類する深層学習技術(BiLSTM)を提案する。 テストデータセットの評価の結果、BiLSTM技術は91.35%の精度で生成された。
  論文  参考訳（メタデータ） (2020-11-19T06:24:42Z)
• Tweets Sentiment Analysis via Word Embeddings and Machine Learning Techniques [1.345251051985899]
  本論文では、感情分類のための特徴選択モデルWord2vecと機械学習アルゴリズムランダムフォレストを用いて、リアルタイムの2019年選挙Twitterデータに対する感情分析を行うことを目的とする。 Word2vecはテキスト中の単語の文脈意味を考慮し、特徴の質を改善し、機械学習と感情分析の精度を向上させる。
  論文  参考訳（メタデータ） (2020-07-05T08:10:30Z)
• An Iterative Approach for Identifying Complaint Based Tweets in Social Media Platforms [76.9570531352697]
  本稿では,トランスポートドメインに関連する苦情に基づく投稿を識別する反復的手法を提案する。 研究目的のための新しいデータセットのリリースとともに、包括的評価を行う。
  論文  参考訳（メタデータ） (2020-01-24T22:23:22Z)

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。