論文の概要: Review Based Entity Ranking using Fuzzy Logic Algorithmic Approach: Analysis

• arxiv url: http://arxiv.org/abs/2510.25778v1
• Date: Mon, 27 Oct 2025 14:56:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.475058
• Title: Review Based Entity Ranking using Fuzzy Logic Algorithmic Approach: Analysis
• Title（参考訳）: ファジィ論理アルゴリズムを用いたエンティティランキングのレビュー:解析
• Authors: Pratik N. Kalamkar, Anupama G. Phakatkar,
• Abstract要約: 全体論に基づくアプローチは、それぞれの意見の強さを考慮しない。 特定の関心の側面に関連する意見語は、レビューにおいてその側面の実体スコアを見つけると考えられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Opinion mining, also called sentiment analysis, is the field of study that analyzes people opinions, sentiments, evaluations, appraisals, attitudes, and emotions towards entities such as products, services, organizations, individuals, issues, events, topics, and their attributes. Holistic lexicon-based approach does not consider the strength of each opinion, i.e., whether the opinion is very strongly negative (or positive), strongly negative (or positive), moderate negative (or positive), very weakly negative (or positive) and weakly negative (or positive). In this paper, we propose approach to rank entities based on orientation and strength of the entity reviews and user's queries by classifying them in granularity levels (i.e. very weak, weak, moderate, very strong and strong) by combining opinion words (i.e. adverb, adjective, noun and verb) that are related to aspect of interest of certain product. We shall use fuzzy logic algorithmic approach in order to classify opinion words into different category and syntactic dependency resolution to find relations for desired aspect words. Opinion words related to certain aspects of interest are considered to find the entity score for that aspect in the review.
• Abstract（参考訳）: 感情分析とも呼ばれるオピニオンマイニングは、製品、サービス、組織、個人、問題、イベント、トピック、それらの属性といったエンティティに対する人々の意見、感情、評価、態度、感情を分析する研究分野である。 ホロスティックレキシコンに基づくアプローチは、それぞれの意見の強さ、すなわち、意見が非常に強い負(または正)か、強い負(または正)か、中性(または正)か、非常に弱い負(または正)か、弱い負(または正)かを考慮しない。 本稿では,ある商品の利害の側面に関連する意見語(副詞,形容詞,名詞,動詞)を組み合わせることによって,エンティティレビューの方向性と強みに基づくエンティティのランク付け手法と,ユーザクエリを粒度レベル(弱さ,弱さ,中さ,強さ,強み)に分類することで,エンティティのランク付け手法を提案する。 ファジィ論理アルゴリズムを用いて、意見語を異なるカテゴリーに分類し、構文依存の解決を行い、所望のアスペクト語との関係を見出す。 特定の関心の側面に関連する意見語は、レビューにおいてその側面の実体スコアを見つけると考えられる。

関連論文リスト

• Lexicon-Based Sentiment Analysis on Text Polarities with Evaluation of Classification Models [1.342834401139078]
  本研究は,レキシコン法を用いて感情分析を行い,テキストデータを用いた分類モデルの評価を行った。 語彙に基づく手法は、単語レベルでの感情と主観性の強さを識別する。 この研究は、テキストが正、負、中立とラベル付けされているというマルチクラスの問題に基づいている。
  論文  参考訳（メタデータ） (2024-09-19T15:31:12Z)
• Learning Implicit Sentiment in Aspect-based Sentiment Analysis with Supervised Contrastive Pre-Training [18.711698114617526]
  大規模感情アノテートコーパスを用いた教師付きコントラスト事前学習を提案する。 暗黙の感情表現を同一の感情ラベルを持つものと整合させることで、事前学習プロセスは、レビューの側面に対する暗黙の感情指向と明示的な感情指向の両方をよりよく捉えます。
  論文  参考訳（メタデータ） (2021-11-03T13:03:17Z)
• Fine-Grained Opinion Summarization with Minimal Supervision [48.43506393052212]
  FineSumは、複数のドキュメントから意見を抽出することでターゲットをプロファイルすることを目的としている。 FineSumは、生のコーパスから意見語句を自動的に識別し、異なる側面と感情に分類し、各アスペクト/感覚の下に複数のきめ細かい意見クラスタを構築する。 ベンチマークの自動評価と定量的人的評価の両方が,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-10-17T15:16:34Z)
• Eliminating Sentiment Bias for Aspect-Level Sentiment Classification with Unsupervised Opinion Extraction [47.09579655541417]
  ALSCは文中の特定の側面の感情極性を特定することを目的としている。 最近の作業では、ALSCのための事前訓練されたトランスフォーマーエンコーダを微調整してアスペクト中心の依存性ツリーを抽出している。 本研究では,スパンベースのアンチバイアスアスペクト表現学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-06T12:32:42Z)
• Abstractive Opinion Tagging [65.47649273721679]
  eコマースでは、意見タグは、アイテムのレビューの特徴を反映したEコマースプラットフォームが提供するタグのランクリストを指す。 意見タグを生成するための現在のメカニズムは、手作業またはラベル付け方法に依存します。 AOT-Net と呼ばれる抽象的な意見タグフレームワークを提案し、多数のレビューからランク付けされた意見タグのリストを生成します。
  論文  参考訳（メタデータ） (2021-01-18T05:08:15Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss [51.448615489097236]
  ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。 本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。 異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
  論文  参考訳（メタデータ） (2020-06-02T13:34:11Z)

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。