論文の概要: A Multifacet Hierarchical Sentiment-Topic Model with Application to Multi-Brand Online Review Analysis

• arxiv url: http://arxiv.org/abs/2502.18927v1
• Date: Wed, 26 Feb 2025 08:30:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:55:24.095003
• Title: A Multifacet Hierarchical Sentiment-Topic Model with Application to Multi-Brand Online Review Analysis
• Title（参考訳）: 多面的階層型感性トピックモデルと多言語オンラインレビュー分析への応用
• Authors: Qiao Liang, Xinwei Deng,
• Abstract要約: 提案手法は,階層的ブランド関連トピックモデルを用いてレビュー語を説明する統一的な生成フレームワーク上に構築されている。 トピック階層間の話題語関連性を高めるために,新しい階層型ポリアワール(HPU)方式を提案する。 実験により,提案手法は適切なトピック階層を検出し,正確なブランド関連ランキングを導出するのに有効であることが示された。
• 参考スコア（独自算出の注目度）: 6.661618396933143
• License:
• Abstract: Multi-brand analysis based on review comments and ratings is a commonly used strategy to compare different brands in marketing. It can help consumers make more informed decisions and help marketers understand their brand's position in the market. In this work, we propose a multifacet hierarchical sentiment-topic model (MH-STM) to detect brand-associated sentiment polarities towards multiple comparative aspects from online customer reviews. The proposed method is built on a unified generative framework that explains review words with a hierarchical brand-associated topic model and the overall polarity score with a regression model on the empirical topic distribution. Moreover, a novel hierarchical Polya urn (HPU) scheme is proposed to enhance the topic-word association among topic hierarchy, such that the general topics shared by all brands are separated effectively from the unique topics specific to individual brands. The performance of the proposed method is evaluated on both synthetic data and two real-world review corpora. Experimental studies demonstrate that the proposed method can be effective in detecting reasonable topic hierarchy and deriving accurate brand-associated rankings on multi-aspects.
• Abstract（参考訳）: レビューコメントと評価に基づくマルチブランド分析は、マーケティングにおいて異なるブランドを比較するために一般的に使用される戦略である。 消費者がより深い判断を下し、マーケターが自社ブランドの市場における地位を理解するのに役立つ。 本研究では,オンライン顧客レビューから,複数の側面からブランド関連感情極性を検出するマルチ顔階層型感情トピックモデル(MH-STM)を提案する。 提案手法は,階層的なブランド関連トピックモデルと,経験的トピック分布の回帰モデルを用いた全体極性スコアを用いて,レビューワードを記述した統一的生成フレームワーク上に構築されている。 さらに, トピック階層間の話題語関連性を高めるために, 全ブランドが共有する一般的なトピックを, 個々のブランド固有のユニークなトピックから効果的に分離するように, 新たな階層型ポリア・ル(HPU)方式を提案する。 提案手法の性能を,合成データと2つの実世界レビューコーパスで評価した。 実験により,提案手法は適切なトピック階層の検出やブランド関連ランキングの精度向上に有効であることが示された。

関連論文リスト

• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。 従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。 オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• SelEx: Self-Expertise in Fine-Grained Generalized Category Discovery [55.72840638180451]
  Generalized Category Discoveryは、新しいカテゴリーを同時に発見し、既知のカテゴリを正確に分類することを目的としている。 自己超越と対照的な学習に強く依存する伝統的な手法は、細かなカテゴリーを区別する場合にしばしば不足する。 モデルが微妙な違いを認識し、未知のカテゴリを明らかにする能力を高める。
  論文  参考訳（メタデータ） (2024-08-26T15:53:50Z)
• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)
• Top-K Pairwise Ranking: Bridging the Gap Among Ranking-Based Measures for Multi-Label Classification [120.37051160567277]
  本稿では,Top-K Pairwise Ranking(TKPR)という新しい尺度を提案する。 一連の分析により、TKPRは既存のランキングベースの尺度と互換性があることが示されている。 一方,データ依存縮約法という新しい手法に基づいて,提案手法の急激な一般化を確立する。
  論文  参考訳（メタデータ） (2024-07-09T09:36:37Z)
• Finding fake reviews in e-commerce platforms by using hybrid algorithms [0.0]
  そこで我々は, 感情分析のための革新的なアンサンブルアプローチを提案し, 偽レビューの発見を行う。 私たちのアンサンブルアーキテクチャは、さまざまなモデルを戦略的に組み合わせて、固有の弱点を緩和しながら、その強みを活かします。 本研究は, 偽レビュー発見の最先端化において, アンサンブル技術の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-04-09T14:25:27Z)
• Optimizing Multi-Class Text Classification: A Diverse Stacking Ensemble Framework Utilizing Transformers [0.0]
  本研究では,トランスモデルを利用したマルチテキスト分類手法を提案する。 BERT、ELECTRA、DistilBERTを含む複数の単一トランスを組み合わせることにより、最適な予測モデルを生成する。 実世界の顧客レビューデータセットを用いて実験評価を行い,提案手法の有効性と優位性を示した。
  論文  参考訳（メタデータ） (2023-08-19T13:29:15Z)
• 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)
• Tracking Brand-Associated Polarity-Bearing Topics in User Reviews [28.574971754268]
  dBTMは、時間的に順序付けられた時間間隔に整理された製品レビューから、ブランド関連感情スコアと極性を含むトピックを自動的に検出し、追跡することができる。 MakeupAlleyレビューとホテルレビューデータセットから構築されたデータセットで評価されている。
  論文  参考訳（メタデータ） (2023-01-03T18:30:34Z)
• Ranking Micro-Influencers: a Novel Multi-Task Learning and Interpretable Framework [69.5850969606885]
  マルチメディアコンテンツに基づくマイクロインフルエンサーランキングにおける技術状況を改善するための,新しいマルチタスク学習フレームワークを提案する。 精度とモデルの複雑さの両面で大きな改善が見られた。 この研究で提示されるランキングと解釈のテクニックは、任意のマルチメディアランキングタスクに一般化することができる。
  論文  参考訳（メタデータ） (2021-07-29T13:04:25Z)
• Adversarial Learning of Poisson Factorisation Model for Gauging Brand Sentiment in User Reviews [15.047213517681936]
  製品レビューからブランド関連極性軸受トピックを検出することを目的としたブランドトポリックモデル(BTM)を提案します。 BTMはブランド関連感情スコアを自動的に推測し、きめ細かい感情トピックを生成する。 amazon reviewsから構築されたデータセットで評価されている。
  論文  参考訳（メタデータ） (2021-01-25T14:58:17Z)
• Topic Detection and Summarization of User Reviews [6.779855791259679]
  本稿では,レビューと要約の両方を解析して,効果的な新しい要約手法を提案する。 製品レビューと約1028の製品からなる新しいデータセットが、AmazonとCNETから収集されている。
  論文  参考訳（メタデータ） (2020-05-30T02:19:08Z)

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。