論文の概要: From prediction to explanation: managing influential negative reviews through explainable AI
- arxiv url: http://arxiv.org/abs/2412.19692v1
- Date: Fri, 27 Dec 2024 15:37:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-30 17:28:04.528353
- Title: From prediction to explanation: managing influential negative reviews through explainable AI
- Title（参考訳）: 予測から説明へ:説明可能なAIを通して影響力のあるネガティブレビューを管理する
- Authors: Rongping Shen,
- Abstract要約: 本研究では、影響力のあるネガティブレビューを特定することを目的とした、新しい説明可能なAI(XAI)アルゴリズムを提案する。
101,338のレストランレビューで実施された実験は、アルゴリズムの有効性を検証した。
このアルゴリズムを活用することで、オンラインのネガティブなフィードバックを予測、知覚、戦略的に応答するための実用的な洞察を得ることができる。
- 参考スコア（独自算出の注目度）: 0.4895118383237099
- License:
- Abstract: The profound impact of online reviews on consumer decision-making has made it crucial for businesses to manage negative reviews. Recent advancements in artificial intelligence (AI) technology have offered businesses novel and effective ways to manage and analyze substantial consumer feedback. In response to the growing demand for explainablility and transparency in AI applications, this study proposes a novel explainable AI (XAI) algorithm aimed at identifying influential negative reviews. The experiments conducted on 101,338 restaurant reviews validate the algorithm's effectiveness and provides understandable explanations from both the feature-level and word-level perspectives. By leveraging this algorithm, businesses can gain actionable insights for predicting, perceiving, and strategically responding to online negative feedback, fostering improved customer service and mitigating the potential damage caused by negative reviews.
- Abstract（参考訳）: オンラインレビューが消費者の意思決定に与える影響は、企業にとってネガティブなレビューを管理することが重要になっている。
人工知能(AI)技術の最近の進歩は、消費者からのフィードバックを管理し分析するための新しい効果的な方法を提供している。
本研究は,AIアプリケーションにおける説明容易性と透明性の増大に対応するために,影響力のある否定的レビューを特定することを目的とした,新しい説明可能なAI(XAI)アルゴリズムを提案する。
101,338のレストランレビューで行った実験は、アルゴリズムの有効性を検証し、特徴レベルと単語レベルの両方の観点から理解可能な説明を提供する。
このアルゴリズムを活用することで、オンラインのネガティブなフィードバックの予測、知覚、戦略的対応、顧客サービスの改善、ネガティブなレビューによる潜在的なダメージの軽減といった、実用的な洞察を得ることができる。
関連論文リスト
- Raising the Stakes: Performance Pressure Improves AI-Assisted Decision Making [57.53469908423318]
日常の人が共通のAI支援タスクを完了すると、パフォーマンスプレッシャーがAIアドバイスへの依存に与える影響を示す。
利害関係が高い場合には、AIの説明の有無にかかわらず、利害関係が低い場合よりもAIアドバイスを適切に使用することが分かりました。
論文 参考訳（メタデータ） (2024-10-21T22:39:52Z) - Negotiating the Shared Agency between Humans & AI in the Recommender System [1.4249472316161877]
ユーザエージェンシーに関する懸念は、固有の不透明性(情報非対称性)とアルゴリズムにおける一方的な出力(パワー非対称性)の性質から生じている。
我々は,エージェントの種類がユーザの知覚や経験にどのように影響するかを理解し,人間とAIの対話システムのためのガイドラインや設計を洗練するための実証的な証拠を提供する。
論文 参考訳（メタデータ） (2024-03-23T19:23:08Z) - Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。
我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。
また,課題と将来的な研究方向性について,より詳細な展望を述べる。
論文 参考訳（メタデータ） (2024-02-21T13:19:58Z) - Unmasking Falsehoods in Reviews: An Exploration of NLP Techniques [0.0]
本研究は,誤認レビューを識別する機械学習モデルを提案する。
これを実現するために,n-gramモデルと最大特徴量を開発し,認識内容を効果的に同定する。
実験結果から,パッシブ・アグレッシブ・クラシファイアは様々なアルゴリズムにおいて顕著であることがわかった。
論文 参考訳（メタデータ） (2023-07-20T06:35:43Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - Generating Persuasive Responses to Customer Reviews with Multi-Source
Prior Knowledge in E-commerce [11.586256303135329]
顧客レビューは通常、自分のオンラインショッピング体験に関する多くの情報を含んでいる。
各否定的なレビューに対して慎重にかつ説得力を持って回答し、その不利な効果を最小限に抑えることが不可欠である。
説得応答生成のためのマルチソースマルチアスペクト注意生成モデルを提案する。
論文 参考訳（メタデータ） (2022-09-20T06:20:45Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳（メタデータ） (2022-03-14T17:40:42Z) - Estimating Causal Effects of Multi-Aspect Online Reviews with
Multi-Modal Proxies [24.246450472404614]
本研究は,ユーザ生成オンラインレビューの微粒化に対する因果関係を実証的に検証する。
レストランの食品・サービスなど、さまざまな側面について検討する。
論文 参考訳（メタデータ） (2021-12-19T22:29:02Z) - 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) - Learning to Infer User Hidden States for Online Sequential Advertising [52.169666997331724]
本稿では,これらの問題に対処するディープインテントシーケンス広告(DISA)手法を提案する。
解釈可能性の鍵となる部分は、消費者の購入意図を理解することである。
論文 参考訳（メタデータ） (2020-09-03T05:12:26Z) - Latent Opinions Transfer Network for Target-Oriented Opinion Words
Extraction [63.70885228396077]
資源豊富なレビュー評価分類データセットから低リソースタスクTOWEへ意見知識を伝達する新しいモデルを提案する。
我々のモデルは、他の最先端手法よりも優れた性能を達成し、意見の知識を伝達することなく、ベースモデルを大幅に上回る。
論文 参考訳（メタデータ） (2020-01-07T11:50:54Z)
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。