論文の概要: Using deep learning to enhance electronic service quality: Application to real estate websites
- arxiv url: http://arxiv.org/abs/2408.06364v1
- Date: Sat, 27 Jul 2024 02:02:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 03:57:10.731593
- Title: Using deep learning to enhance electronic service quality: Application to real estate websites
- Title（参考訳）: 深層学習による電子サービス品質の向上--不動産Webサイトへの応用
- Authors: Samaa Elnagar,
- Abstract要約: 本研究は、電子サービスの具体性と効率を向上させるために、視覚的特徴と記述的特徴を統合することの重要性を強調する。
このメリットを享受できる電子サービスの主要な例は、不動産ウェブサイトである。
この研究では、Mask-RCNNと呼ばれるディープラーニングネットワークを用いて、不動産画像の損傷を推定する新しい視覚記述的特徴である損傷レベルを導入している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Electronic service quality (E-SQ) is a strategic metric for successful e-services.Among the service quality dimensions, tangibility is overlooked. However, by incorporating visuals or tangible tools, the intangible nature of e-services can be balanced. Thanks to advancements in Deep Learning for computer vision, tangible visual features can now be leveraged to enhance the browsing and searching experience of electronic services. Users usually have specific search criteria to meet, but most services will not offer flexible search filters. This research emphasizes the importance of integrating visual and descriptive features to improve the tangibility and efficiency of e-services. A prime example of an electronic service that can benefit from this is real-estate websites. Searching for real estate properties that match user preferences is usually demanding and lacks visual filters, such as the Damage Level to the property. The research introduces a novel visual descriptive feature, the Damage Level, which utilizes a deep learning network known as Mask-RCNN to estimate damage in real estate images. Additionally, a model is developed to incorporate the Damage Level as a tangible feature in electronic real estate services, with the aim of enhancing the tangible customer experience.
- Abstract（参考訳）: 電子サービス品質(E-SQ)は、成功するための戦略的指標であり、サービス品質の次元は見落としている。
しかし、視覚的ツールや有形ツールを組み込むことで、eサービスの無形の性質をバランスさせることができる。
コンピュータビジョンのためのDeep Learningの進歩により、電子サービスのブラウジングと検索体験を強化するために、目に見える視覚的特徴が活用できるようになった。
通常、ユーザーは特定の検索基準を満たすことができるが、ほとんどのサービスは柔軟な検索フィルターを提供しない。
本研究は、電子サービスの具体性と効率を向上させるために、視覚的特徴と記述的特徴を統合することの重要性を強調する。
このメリットを享受できる電子サービスの主要な例は、不動産ウェブサイトである。
ユーザの好みにマッチする不動産の検索は、通常要求され、プロパティの損傷レベルのような視覚フィルタが欠落している。
この研究では、Mask-RCNNと呼ばれるディープラーニングネットワークを用いて、不動産画像の損傷を推定する新しい視覚記述的特徴である損傷レベルを導入している。
また、有形顧客体験の向上を目的とした、電子不動産サービスにおける有形機能として、被害レベルを組み込むモデルも開発されている。
関連論文リスト
- Satellite Streaming Video QoE Prediction: A Real-World Subjective Database and Network-Level Prediction Models [59.061552498630874]
LIVE-Viasat Real-World Satellite QoE Databaseを紹介する。
このデータベースは、現実世界のストリーミングサービスから記録された179のビデオで構成されている。
本稿では,QoE予測モデルの有効性を評価することで,この新たな資源の有用性を実証する。
また、ネットワークパラメータを予測された人間の知覚スコアにマッピングする新しいモデルを作成しました。
論文 参考訳（メタデータ） (2024-10-17T18:22:50Z) - Machine Learning-Driven Open-Source Framework for Assessing QoE in Multimedia Networks [0.18749305679160366]
サービスプロバイダは、ユーザの満足度を確保するために、サービスの品質とエクスペリエンスの質(QoE)の高水準を維持しなければなりません。
サービス品質に対するユーザの満足度を反映したQoEは、マルチメディアサービスにとって重要な指標です。
本稿では,マルチメディアネットワークにおけるQoEを客観的に評価するための機械学習ベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-12T18:07:06Z) - Augmented Commonsense Knowledge for Remote Object Grounding [67.30864498454805]
エージェントナビゲーションを改善するための時間的知識グラフとして,コモンセンス情報を活用するための拡張コモンセンス知識モデル(ACK)を提案する。
ACKは知識グラフ対応のクロスモーダルとコンセプトアグリゲーションモジュールで構成され、視覚的表現と視覚的テキストデータアライメントを強化する。
我々は、より正確な局所的な行動予測につながるコモンセンスに基づく意思決定プロセスのための新しいパイプラインを追加します。
論文 参考訳（メタデータ） (2024-06-03T12:12:33Z) - HKD-SHO: A hybrid smart home system based on knowledge-based and
data-driven services [2.56711111236449]
我々はHKD-SHOと呼ばれるハイブリッドシステムを提案する。
主な利点は、知識ベースのサービスの説明可能性とデータ駆動サービスのダイナミズムを継承することです。
論文 参考訳（メタデータ） (2024-02-15T18:13:41Z) - Strategic Usage in a Multi-Learner Setting [4.810166064205261]
現実世界のシステムは、サービスのセットを選択するユーザのプールを伴います。
戦略的ユーザがいくつかの利用可能なサービスの中から選択し、肯定的な分類を追求する環境について分析する。
また,全てのユーザが異なる時間に観察された場合でも,ナイーブリトレーニングは依然として振動を引き起こす可能性があることを示す。
論文 参考訳（メタデータ） (2024-01-29T18:59:22Z) - Meta-Adapter: An Online Few-shot Learner for Vision-Language Model [64.21017759533474]
CLIPとして知られる対照的な視覚言語事前学習は、オープンワールドの視覚概念を知覚する大きな可能性を実証している。
CLIPに基づくほとんどショットの学習方法は、通常、少数のサンプルでパラメータをオフラインで微調整する必要がある。
少数のサンプルから導かれるCLIP機能をオンライン的に洗練するための,軽量な残差型アダプタであるMeta-Adapterを提案する。
論文 参考訳（メタデータ） (2023-11-07T07:27:16Z) - KERM: Knowledge Enhanced Reasoning for Vision-and-Language Navigation [61.08389704326803]
VLN(Vision-and-Language Navigation)は、実シーンにおける自然言語命令に続く遠隔地への移動を可能にするタスクである。
以前のアプローチのほとんどは、ナビゲート可能な候補を表現するために、機能全体やオブジェクト中心の機能を利用している。
本稿では,知識を活用したエージェントナビゲーション能力向上のための知識強化推論モデル(KERM)を提案する。
論文 参考訳（メタデータ） (2023-03-28T08:00:46Z) - Machine learning for assessing quality of service in the hospitality
sector based on customer reviews [0.16058099298620418]
本稿では,顧客レビューの活用に基づく,ホスピタリティ部門におけるサービス品質評価の枠組みを提案する。
提案するフレームワークは,ホテル顧客に関連するサービス面の質を自動的に検出する。
サービス側面の最も重要な品質の可視化が生成され、サービス品質を質的に定量的に評価することができる。
論文 参考訳（メタデータ） (2021-07-21T19:45:40Z) - What Image Features Boost Housing Market Predictions? [81.32205133298254]
本稿では,予測アルゴリズムにおける効率的な数値包摂のための視覚特徴抽出手法を提案する。
本稿では,シャノンのエントロピー,重心計算,画像分割,畳み込みニューラルネットワークなどの手法について論じる。
ここで選択された40の画像特徴のセットは、かなりの量の予測能力を持ち、最も強力なメタデータ予測器よりも優れています。
論文 参考訳（メタデータ） (2021-07-15T06:32:10Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z) - Monitoring Misuse for Accountable 'Artificial Intelligence as a Service' [6.562256987706127]
本稿では,AIプロバイダがユーザによるサービス誤用の可能性を明らかにするコンセプトを紹介し,検討する。
我々は、調査を保証できる状況を示す技術的利用パターンを検討し、誤用を監視するための法的および技術的な課題をいくつか提起する。
論文 参考訳（メタデータ） (2020-01-14T18:14:33Z)
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。