論文の概要: End-to-End Aspect-Guided Review Summarization at Scale
- arxiv url: http://arxiv.org/abs/2509.26103v1
- Date: Tue, 30 Sep 2025 11:24:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 17:09:04.51863
- Title: End-to-End Aspect-Guided Review Summarization at Scale
- Title（参考訳）: エンド・ツー・エンドのアスペクトガイドによる大規模要約
- Authors: Ilya Boytsov, Vinny DeGenova, Mikhail Balyasin, Joseph Walt, Caitlin Eusden, Marie-Claire Rochat, Margaret Pierson,
- Abstract要約: 本稿では,アスペクトベース感情分析(ABSA)とガイドによる要約を組み合わせ,簡潔で解釈可能な製品レビュー要約を生成する,スケーラブルな大規模言語モデル(LLM)に基づくシステムを提案する。
提案手法はまず,個々のレビューからアスペクト・センチメント・ペアを抽出・統合し,各製品に対して最も頻繁なアスペクトを選択し,それに応じて代表レビューをサンプリングする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a scalable large language model (LLM)-based system that combines aspect-based sentiment analysis (ABSA) with guided summarization to generate concise and interpretable product review summaries for the Wayfair platform. Our approach first extracts and consolidates aspect-sentiment pairs from individual reviews, selects the most frequent aspects for each product, and samples representative reviews accordingly. These are used to construct structured prompts that guide the LLM to produce summaries grounded in actual customer feedback. We demonstrate the real-world effectiveness of our system through a large-scale online A/B test. Furthermore, we describe our real-time deployment strategy and release a dataset of 11.8 million anonymized customer reviews covering 92,000 products, including extracted aspects and generated summaries, to support future research in aspect-guided review summarization.
- Abstract（参考訳）: 本稿では、アスペクトベースの感情分析(ABSA)とガイド付き要約を組み合わせたスケーラブルな大規模言語モデル(LLM)に基づくシステムを提案し、Wayfairプラットフォームのための簡潔で解釈可能な製品レビュー要約を生成する。
提案手法はまず,個々のレビューからアスペクト・センチメント・ペアを抽出・統合し,各製品に対して最も頻繁なアスペクトを選択し,それに応じて代表レビューをサンプリングする。
これらは、LCMが実際の顧客のフィードバックに基づいて要約を生成するための構造化プロンプトを構築するのに使用される。
大規模オンラインA/Bテストにより,本システムの有効性を実証する。
さらに、当社のリアルタイムデプロイメント戦略を説明し、抽出されたアスペクトや生成された要約を含む92,000の製品をカバーする、18万件の匿名顧客レビューデータセットを公開し、アスペクト誘導レビュー要約における将来の研究を支援する。
関連論文リスト
- OpinioRAG: Towards Generating User-Centric Opinion Highlights from Large-scale Online Reviews [12.338320566839483]
本稿では,大量のユーザレビューから得られた意見ハイライトの問題点について考察する。
既存のメソッドはスケールアップに失敗するか、パーソナライズされたニーズを見落としている汎用的で一大の要約を生成するかのいずれかです。
本稿では,RAGに基づくエビデンス検索とLCMを組み合わせた拡張性のあるトレーニングフリーフレームワークであるOpinioRAGを紹介する。
論文 参考訳（メタデータ） (2025-08-30T00:00:34Z) - Aspect-Based Opinion Summarization with Argumentation Schemes [0.13654846342364307]
顧客が大量のレビューを乗り越え、手作業で重要な意見を結論付けるのは現実的ではない。
抽出的あるいは抽象的といった従来のアプローチは、基底的なアスペクト中心の要約を自動生成する際の課題に直面している。
提案する要約システムでは,エビデンスを裏付けるとともに,事前定義された側面の集合に頼らずに,様々な領域に適応する。
論文 参考訳（メタデータ） (2025-06-11T16:38:10Z) - Decomposed Opinion Summarization with Verified Aspect-Aware Modules [82.38097397662436]
レビューの観点から,ドメインに依存しないモジュラーアプローチを提案する。
科学研究、ビジネス、製品ドメインを表すデータセットをまたいだ実験を行います。
論文 参考訳（メタデータ） (2025-01-27T09:29:55Z) - Product Description and QA Assisted Self-Supervised Opinion Summarization [31.58787780698375]
eコマースでは、意見要約は製品レビューに見られる意見のコンセンサスを要約するプロセスである。
本稿では,レビューからの情報を活用する新しい合成データセット作成(SDC)戦略と,レビューの1つを疑似要約として選択し,教師付きトレーニングを実現するための追加情報源を提案する。
提案するOpinion Summarization (MEDOS) 用マルチエンコーダデコーダフレームワークでは,各ソースに別個のエンコーダを用いて,要約を生成しながら情報の選択を効果的に行う。
論文 参考訳（メタデータ） (2024-04-08T07:15:06Z) - 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) - Aspect-Controllable Opinion Summarization [58.5308638148329]
アスペクトクエリに基づいてカスタマイズした要約を生成する手法を提案する。
レビューコーパスを用いて、アスペクトコントローラで強化された(リビュー、サマリ)ペアの合成トレーニングデータセットを作成する。
合成データセットを用いて事前学習したモデルを微調整し、アスペクトコントローラを変更することでアスペクト固有の要約を生成する。
論文 参考訳（メタデータ） (2021-09-07T16:09:17Z) - Few-Shot Learning for Opinion Summarization [117.70510762845338]
オピニオン要約は、複数の文書で表現された主観的な情報を反映したテキストの自動生成である。
本研究では,要約テキストの生成をブートストラップするのには,少数の要約でも十分であることを示す。
提案手法は, 従来の抽出法および抽象法を, 自動的, 人的評価において大きく上回っている。
論文 参考訳（メタデータ） (2020-04-30T15:37:38Z)
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。