論文の概要: Why We Feel What We Feel: Joint Detection of Emotions and Their Opinion Triggers in E-commerce

• arxiv url: http://arxiv.org/abs/2507.04708v1
• Date: Mon, 07 Jul 2025 06:59:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.30452
• Title: Why We Feel What We Feel: Joint Detection of Emotions and Their Opinion Triggers in E-commerce
• Title（参考訳）: 電子商取引における感情とオピニオントリガーの同時検出
• Authors: Arnav Attri, Anuj Attri, Pushpak Bhattacharyya, Suman Banerjee, Amey Patil, Muthusamy Chelliah, Nikesh Garera,
• Abstract要約: 本稿では,感情検出とオピニオントリガー抽出を統合化するタスクを提案する。 EOT-Xは、微妙な感情と意見のトリガーを持つ2,400のレビューの人間による注釈付きコレクションである。 本稿では,体系的推論と自己回帰を備えた構造化プロンプトフレームワークであるEOT-DETECTを提案する。
• 参考スコア（独自算出の注目度）: 34.25698222058424
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Customer reviews on e-commerce platforms capture critical affective signals that drive purchasing decisions. However, no existing research has explored the joint task of emotion detection and explanatory span identification in e-commerce reviews - a crucial gap in understanding what triggers customer emotional responses. To bridge this gap, we propose a novel joint task unifying Emotion detection and Opinion Trigger extraction (EOT), which explicitly models the relationship between causal text spans (opinion triggers) and affective dimensions (emotion categories) grounded in Plutchik's theory of 8 primary emotions. In the absence of labeled data, we introduce EOT-X, a human-annotated collection of 2,400 reviews with fine-grained emotions and opinion triggers. We evaluate 23 Large Language Models (LLMs) and present EOT-DETECT, a structured prompting framework with systematic reasoning and self-reflection. Our framework surpasses zero-shot and chain-of-thought techniques, across e-commerce domains.
• Abstract（参考訳）: eコマースプラットフォームの顧客レビューは、購入決定を促す重要な感情的なシグナルを捉えます。 しかしながら、Eコマースレビューにおける感情検出と説明的スパン識別という共同作業は、顧客の感情反応を何を引き起こすかを理解する上で重要なギャップである、という研究は、今のところ行われていない。 そこで我々は,このギャップを埋めるために,感情検出とオピニオントリガー抽出(EOT)を統合した新しい共同作業を提案する。 ラベル付きデータがない状態では、人間による2,400のレビューと微粒な感情と意見のトリガーの収集であるEOT-Xを紹介する。 本研究では,23の大規模言語モデル(LLM)と,体系的推論と自己回帰を備えた構造化プロンプトフレームワークであるEOT-DETECTを評価する。 当社のフレームワークは,eコマースドメイン全体で,ゼロショットとチェーンオブ思考のテクニックを超越しています。

関連論文リスト

• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Why We Feel: Breaking Boundaries in Emotional Reasoning with Multimodal Large Language Models [35.24458725308099]
  感情の反応を駆動する因果的要因に着目した感情解釈(EI)を提案する。 従来の感情認識とは異なり、EIタスクは単なるラベル付けではなくトリガーについての推論を必要とする。 EIBenchは1,615の基本的なEIサンプルと50の複雑なEIサンプルを含む大規模なベンチマークである。
  論文  参考訳（メタデータ） (2025-04-10T07:33:49Z)
• Towards a Generative Approach for Emotion Detection and Reasoning [0.7366405857677227]
  大規模言語モデルを用いたゼロショット感情検出と感情推論のための新しいアプローチを提案する。 本論文は,テキストに対する感情検出と感情推論の課題に共同で対処するための生成的アプローチを用いた最初の研究である。
  論文  参考訳（メタデータ） (2024-08-09T07:20:15Z)
• Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
  人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
  論文  参考訳（メタデータ） (2023-11-16T06:20:13Z)
• EmoTwiCS: A Corpus for Modelling Emotion Trajectories in Dutch Customer Service Dialogues on Twitter [9.2878798098526]
  本稿では,情緒トラジェクトリに注釈を付けた9,489件のオランダの顧客サービス対話コーパスであるEmoTwiCSを紹介する。 感情軌跡」という用語は、顧客の体験したきめ細かい感情だけでなく、会話の前に起きる出来事や人間の操作者による反応も指している。
  論文  参考訳（メタデータ） (2023-10-10T11:31:11Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• A Dual-Questioning Attention Network for Emotion-Cause Pair Extraction with Context Awareness [3.5630018935736576]
  感情因果ペア抽出のためのデュアルクエストアテンションネットワークを提案する。 具体的には、文脈的・意味的回答のための注意ネットワークを通じて、候補者の感情や要因を独立に問う。 実験結果から,本手法は複数の評価指標の基準値よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-04-15T03:47:04Z)

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。