論文の概要: User eXperience Perception Insights Dataset (UXPID): Synthetic User Feedback from Public Industrial Forums

• arxiv url: http://arxiv.org/abs/2509.11777v1
• Date: Mon, 15 Sep 2025 10:58:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.238849
• Title: User eXperience Perception Insights Dataset (UXPID): Synthetic User Feedback from Public Industrial Forums
• Title（参考訳）: ユーザeXperience Perception Insights Dataset (UXPID): 公共産業フォーラムからのユーザフィードバック
• Authors: Mikhail Kulyabin, Jan Joosten, Choro Ulan uulu, Nuno Miguel Martins Pacheco, Fabian Ries, Filippos Petridis, Jan Bosch, Helena Holmström Olsson,
• Abstract要約: 産業フォーラムの顧客からのフィードバックは、実世界の製品体験に関する豊富なが未調査の洞察を反映している。 本稿では,公立産業自動化フォーラムから抽出した7130個の人工合成および匿名化されたユーザフィードバックブランチのコレクションについて述べる。 このデータセットは、ユーザ要求、ユーザエクスペリエンス(UX)分析、AI駆動のフィードバック処理の研究を容易にするように設計されている。
• 参考スコア（独自算出の注目度）: 3.117921059331037
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Customer feedback in industrial forums reflect a rich but underexplored source of insight into real-world product experience. These publicly shared discussions offer an organic view of user expectations, frustrations, and success stories shaped by the specific contexts of use. Yet, harnessing this information for systematic analysis remains challenging due to the unstructured and domain-specific nature of the content. The lack of structure and specialized vocabulary makes it difficult for traditional data analysis techniques to accurately interpret, categorize, and quantify the feedback, thereby limiting its potential to inform product development and support strategies. To address these challenges, this paper presents the User eXperience Perception Insights Dataset (UXPID), a collection of 7130 artificially synthesized and anonymized user feedback branches extracted from a public industrial automation forum. Each JavaScript object notation (JSON) record contains multi-post comments related to specific hardware and software products, enriched with metadata and contextual conversation data. Leveraging a large language model (LLM), each branch is systematically analyzed and annotated for UX insights, user expectations, severity and sentiment ratings, and topic classifications. The UXPID dataset is designed to facilitate research in user requirements, user experience (UX) analysis, and AI-driven feedback processing, particularly where privacy and licensing restrictions limit access to real-world data. UXPID supports the training and evaluation of transformer-based models for tasks such as issue detection, sentiment analysis, and requirements extraction in the context of technical forums.
• Abstract（参考訳）: 産業フォーラムの顧客からのフィードバックは、実世界の製品体験に関する豊富なが未調査の洞察を反映している。 これらの公開議論は、ユーザ期待、フラストレーション、そして特定の使用状況によって形作られた成功談の総合的なビューを提供する。 しかし、この情報を体系的な分析に活用することは、コンテンツの非構造化とドメイン固有の性質のため、依然として困難である。 構造と専門用語の欠如は、従来のデータ分析技術がフィードバックを正確に解釈し、分類し、定量化するのを難しくし、製品開発とサポート戦略を通知する可能性を制限する。 これらの課題に対処するために,公立産業自動化フォーラムから抽出した7130個の人工的および匿名化されたユーザフィードバックブランチの集合である User eXperience Perception Insights Dataset (UXPID) を提案する。 それぞれのJavaScriptオブジェクト表記(JSON)レコードには、特定のハードウェアやソフトウェア製品に関するマルチポストコメントが含まれており、メタデータとコンテキスト会話データが豊富である。 大規模言語モデル(LLM)を利用することで、各ブランチは、UXの洞察、ユーザの期待、重大さと評価評価、トピックの分類のために、体系的に分析され、注釈付けされる。 UXPIDデータセットは、ユーザ要求、ユーザエクスペリエンス(UX)分析、AI駆動のフィードバック処理、特にプライバシとライセンス制限が現実世界のデータへのアクセスを制限することを容易にするように設計されている。 UXPIDは、技術的フォーラムの文脈において、問題検出、感情分析、要求抽出といったタスクのためのトランスフォーマーベースのモデルのトレーニングと評価をサポートする。

関連論文リスト

• CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
  我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。 また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
  論文  参考訳（メタデータ） (2025-08-28T06:03:11Z)
• VIDEE: Visual and Interactive Decomposition, Execution, and Evaluation of Text Analytics with Intelligent Agents [39.42078665719841]
  VIDEEは、インテリジェントエージェントによる高度なテキスト分析を行うための、エントリーレベルのデータアナリストをサポートするシステムである。 VIDEEの有効性を評価するための2つの定量的実験を行い、一般的なエージェントエラーを分析した。
  論文  参考訳（メタデータ） (2025-06-17T05:24:58Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Data Formulator 2: Iterative Creation of Data Visualizations, with AI Transforming Data Along the Way [65.48447317310442]
  データフォーミュラ2(英: Data Formulator 2、略称DF2)は、AIを利用した可視化システムである。 DF2はグラフィカルなユーザインタフェースと自然言語入力をブレンドすることで、ユーザがより効果的にインテントを伝達できるようにする。 効率的なイテレーションをサポートするために、DF2はユーザがイテレーション履歴をナビゲートし、以前の設計を再利用する。
  論文  参考訳（メタデータ） (2024-08-28T20:12:17Z)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)
• AllHands: Ask Me Anything on Large-scale Verbatim Feedback via Large Language Models [34.82568259708465]
  Allhandsは、自然言語インタフェースによる大規模なフィードバック分析のために設計された革新的な分析フレームワークである。 LLMは、精度、堅牢性、一般化、ユーザフレンドリー性を高める大きな言語モデルである。 Allhandsは、テキスト、コード、テーブル、イメージを含む、包括的なマルチモーダルレスポンスを提供する。
  論文  参考訳（メタデータ） (2024-03-22T12:13:16Z)
• Improving Retrieval in Theme-specific Applications using a Corpus Topical Taxonomy [52.426623750562335]
  ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。 ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。 プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
  論文  参考訳（メタデータ） (2024-03-07T02:34:54Z)
• Instruct and Extract: Instruction Tuning for On-Demand Information Extraction [86.29491354355356]
  On-Demand Information extractは、現実世界のユーザのパーソナライズされた要求を満たすことを目的としている。 InstructIEというベンチマークを、自動生成したトレーニングデータと、人手による注釈付きテストセットの両方を含む形で提示する。 InstructIE 上に構築した On-Demand Information Extractor, ODIE をさらに発展させる。
  論文  参考訳（メタデータ） (2023-10-24T17:54:25Z)
• Design Challenges for a Multi-Perspective Search Engine [44.48345943046946]
  我々は、新しい視点指向文書検索パラダイムについて研究する。 目的を達成するために,自然言語理解の課題を議論し,評価する。 我々は,プロトタイプシステムを用いて,我々のパラダイムの有用性を評価する。
  論文  参考訳（メタデータ） (2021-12-15T18:59:57Z)

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。