Fugu-MT 論文翻訳(概要): A NLP Approach to "Review Bombing" in Metacritic PC Videogames User Ratings

論文の概要: A NLP Approach to "Review Bombing" in Metacritic PC Videogames User Ratings

arxiv url: http://arxiv.org/abs/2405.06306v1
Date: Fri, 10 May 2024 08:31:04 GMT
ステータス: 処理完了
システム内更新日: 2024-05-13 16:17:47.083392
Title: A NLP Approach to "Review Bombing" in Metacritic PC Videogames User Ratings
Title（参考訳）: メタクリティックPCゲームにおける「リビューボーミング」へのNLPアプローチ
Authors: Javier Coronado-Blázquez,
Abstract要約: このような場合に出現する主語や概念を理解し、検証セット上で0.88の精度に達するよう努めている。この現象を誘発するパターンを解明し分析することで、これらの状況をさらに緩和することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Many videogames suffer "review bombing" -a large volume of unusually low scores that in many cases do not reflect the real quality of the product- when rated by users. By taking Metacritic's 50,000+ user score aggregations for PC games in English language, we use a Natural Language Processing (NLP) approach to try to understand the main words and concepts appearing in such cases, reaching a 0.88 accuracy on a validation set when distinguishing between just bad ratings and review bombings. By uncovering and analyzing the patterns driving this phenomenon, these results could be used to further mitigate these situations.
Abstract（参考訳）: 多くのビデオゲームは、ユーザーが評価する製品の品質を反映しない「リビュー爆弾」に苦しむ。 Metacriticの5万以上のユーザスコアアグリゲーションを英語のPCゲームに適用することにより、自然言語処理(NLP)アプローチを使用して、このようなケースに現れる主要な単語や概念を理解し、単に悪い評価と爆弾のレビューを区別する場合に、検証セット上で0.88の精度に達する。この現象を誘発するパターンを解明し分析することで、これらの状況をさらに緩和することができる。

関連論文リスト

K-HATERS: A Hate Speech Detection Corpus in Korean with Target-Specific Ratings [6.902524826065157]
K-HATERSは韓国のヘイトスピーチ検出のための新しいコーパスで、ターゲット固有の攻撃性評価を持つ約192Kのニュースコメントを含んでいる。本研究は,ヘイトスピーチの検出と資源構築に関するNLP研究に寄与する。
論文参考訳（メタデータ） (2023-10-24T01:20:05Z)
Toward Human-Like Evaluation for Natural Language Generation with Error Analysis [93.34894810865364]
最近の研究では、大きなエラー(例えば、誤訳されたトークン)と小さなエラーの両方を考慮すると、高品質な人間の判断が得られることが示されている。これにより、自動エラー解析によって評価指標(人間のような評価)の最終目標にアプローチするインスピレーションがもたらされる。 BARTScoreは人為的なエラー解析戦略、すなわちBARTScore++を取り入れることでBARTScoreを強化します。
論文参考訳（メタデータ） (2022-12-20T11:36:22Z)
Behavioral Player Rating in Competitive Online Shooter Games [3.203973145772361]
本稿では,ゲーム内統計学からモデルプレイヤへのいくつかの特徴を設計し,その振る舞いと真のパフォーマンスレベルを正確に表現するレーティングを作成する。その結果, 動作評価は, 生成した表現の解釈可能性を維持しつつ, より正確な性能評価を示すことがわかった。プレイヤーのプレイ行動の異なる側面を考慮し、マッチメイキングに行動評価を使用すると、プレイヤーのゴールや関心とより一致したマッチアップにつながる可能性がある。
論文参考訳（メタデータ） (2022-07-01T16:23:01Z)
Analyzing the Intensity of Complaints on Social Media [55.140613801802886]
テキストからの苦情の強度を測定する計算言語学における最初の研究について述べる。私たちは中国のソーシャルメディアプラットフォームであるWeiboからの苦情に関する3,103件の投稿を含む最初の中国のデータセットを作成しました。平均二乗誤差が0.11となる計算モデルにより,苦情強度を正確に推定できることを示す。
論文参考訳（メタデータ） (2022-04-20T10:15:44Z)
CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
現代自然言語理解モデルの能力をテストするベンチマークを構築した。本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
論文参考訳（メタデータ） (2022-01-14T06:49:15Z)
The Evaluation of Rating Systems in Team-based Battle Royale Games [4.168733556014873]
本稿では,25,000人以上のチームバトルロイヤルマッチのリアルタイムデータセット上で,3つの人気評価システムを評価するためのいくつかの指標の有用性について検討する。正規化割引累積ゲイン (NDCG) は信頼性が高く, 柔軟性が高かった。
論文参考訳（メタデータ） (2021-05-28T19:22:07Z)
Ideology-driven polarisation in online ratings: the review bombing of The Last of Us Part II [0.0]
本研究は, 爆撃は誤報の現象に過ぎないという仮定に挑戦する。これは、オンラインレビューのモチベーションと実質的な内容と、事実と価値のより広い判断理論を結びつけている。その結果、イデオロギーによる評価は、負の評価の影響を緩和することを目的とした草の根対爆弾が続くことがわかった。
論文参考訳（メタデータ） (2021-04-02T16:39:23Z)
Partial Bandit and Semi-Bandit: Making the Most Out of Scarce Users' Feedback [62.997667081978825]
本稿では,ユーザのフィードバックを考慮し,3つの戦略を用いて評価する手法を提案する。ユーザからのフィードバックが制限されているにも関わらず(全体の20%以下)、我々の手法は最先端のアプローチと同じような結果が得られる。
論文参考訳（メタデータ） (2020-09-16T07:32:51Z)
Beyond User Self-Reported Likert Scale Ratings: A Comparison Model for Automatic Dialog Evaluation [69.03658685761538]
オープンドメインダイアログシステム評価はダイアログ研究における最も重要な課題の1つである。本稿では,自動評価モデルCMADEを提案する。実験の結果,対話比較作業においてCMADEの精度は89.2%であった。
論文参考訳（メタデータ） (2020-05-21T15:14:49Z)
Approximate exploitability: Learning a best response in large games [31.066412349285994]
我々は,エージェントに対する最良の応答を学習するための,スケーラブルな検索ベース深層強化学習アルゴリズムISMCTS-BRを紹介する。本手法は,複数のエージェントに対する2プレイヤーゼロサムゲームにおいて実演する。
論文参考訳（メタデータ） (2020-04-20T23:36:40Z)
Automating App Review Response Generation [67.58267006314415]
本稿では,レビューと回答の知識関係を学習することで,レビュー応答を自動的に生成する新しいアプローチRRGenを提案する。 58のアプリと309,246のレビュー-レスポンスペアの実験では、RRGenはBLEU-4の点で少なくとも67.4%のベースラインを上回っている。
論文参考訳（メタデータ） (2020-02-10T05:23:38Z)

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。