論文の概要: Improving User Experience with Personalized Review Ranking and Summarization

• arxiv url: http://arxiv.org/abs/2601.05261v1
• Date: Tue, 28 Oct 2025 13:16:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.527679
• Title: Improving User Experience with Personalized Review Ranking and Summarization
• Title（参考訳）: パーソナライズされたレビューランキングと要約によるユーザエクスペリエンスの向上
• Authors: Muhammad Mufti, Omar Hammad, Mahfuzur Rahman,
• Abstract要約: 本研究は、レビューランキングと抽象要約を統合し、意思決定効率を向上させるためのパーソナライズされたフレームワークを提案する。 70名を対象に行ったユーザスタディでは、パーソナライズされたアプローチが満足度、妥当性、意思決定の信頼性を改善した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online consumer reviews play a crucial role in guiding purchase decisions by offering insights into product quality, usability, and performance. However, the increasing volume of user-generated reviews has led to information overload, making it difficult for consumers to identify content that aligns with their specific preferences. Existing review ranking systems typically rely on metrics such as helpfulness votes, star ratings, and recency, but these fail to capture individual user interests and often treat textual sentiment and rating signals separately. This research addresses these limitations by proposing a personalized framework that integrates review ranking and abstractive summarization to enhance decision-making efficiency. The proposed system begins by modeling each user's sentiment through a hybrid analysis of star ratings and review content. Simultaneously, user preferences were derived from historical reviews using sentence embeddings and clustering, forming semantic profiles aligned with thematic and sentiment dimensions. A relevance scoring algorithm matched these profiles with unseen reviews based on sentiment and aspect similarity. Top-matched reviews were then summarized to reflect individual interests. A user study with 70 participants demonstrated that the personalized approach improved satisfaction, perceived relevance, and decision-making confidence, while reducing time spent reading. The results highlight the method's effectiveness in alleviating information overload and delivering content tailored to user-specific preferences, emphasizing its value in enhancing user experience in review-rich decision-making environments.
• Abstract（参考訳）: オンライン消費者レビューは、製品の品質、ユーザビリティ、パフォーマンスに関する洞察を提供することによって、購入決定を導く上で重要な役割を担います。 しかし、ユーザ生成レビューの量の増加は情報過多をもたらし、消費者が特定の嗜好に沿ったコンテンツを特定するのが難しくなっている。 既存のレビューランキングシステムは通常、有用性投票、スターレーティング、リレーレンシーなどの指標に依存するが、これは個々のユーザの関心を捉えることができず、テキストの感情やレーティングシグナルを別々に扱うことが多い。 本研究は、意思決定効率を高めるために、レビューランキングと抽象要約を統合したパーソナライズされたフレームワークを提案することにより、これらの制限に対処する。 提案システムは、星のレーティングとレビュー内容のハイブリッド分析を通じて、各ユーザの感情をモデル化することから始まる。 同時に、ユーザの嗜好は、文の埋め込みとクラスタリングを使用して、主題や感情の次元に合わせて意味プロファイルを形成する履歴レビューから導かれる。 関連性スコアリングアルゴリズムは、これらのプロファイルと、感情とアスペクトの類似性に基づいた見当たらないレビューとを一致させた。 トップマッチレビューは個人の関心を反映するように要約された。 70名の被験者によるユーザスタディでは、パーソナライズされたアプローチは、読書時間を削減するとともに、満足度、妥当性、意思決定の信頼性を改善した。 その結果、情報過負荷を軽減し、ユーザ固有の嗜好に合わせたコンテンツを配信する手法の有効性を強調し、レビューリッチな意思決定環境におけるユーザエクスペリエンス向上の価値を強調した。

関連論文リスト

• LOTUS: A Leaderboard for Detailed Image Captioning from Quality to Societal Bias and User Preferences [91.13704541413551]
  LOTUSは詳細なキャプションを評価するためのリーダーボードである。 キャプションの品質など、様々な側面を包括的に評価する。 多様なユーザの嗜好に基準を合わせることで、嗜好指向の評価を可能にする。
  論文  参考訳（メタデータ） (2025-07-25T15:12:42Z)
• Analytical and Empirical Study of Herding Effects in Recommendation Systems [72.6693986712978]
  評価アグリゲーションルールとショートリストされた代表レビューを用いて製品評価を管理する方法について検討する。 本稿では,Amazon と TripAdvisor の収束速度を向上させるために,適切な信頼度評価アグリゲーションルールが有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-20T14:29:23Z)
• Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives [11.835903510784735]
  レビューベースのレコメンデータシステムは、この分野において重要なサブフィールドとして現れている。 本稿では,これらのシステムを分類し,その特徴,有効性,限界を解析し,最先端の手法を要約する。 本稿では,マルチモーダルデータの統合,複数基準評価情報の統合,倫理的考察など,今後の研究の方向性を提案する。
  論文  参考訳（メタデータ） (2024-05-09T05:45:18Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• 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)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• User and Item-aware Estimation of Review Helpfulness [4.640835690336653]
  有用性決定因子としてのレビューの性質における逸脱の役割について検討する。 本稿では,従来のものを拡張した新しい有用性推定モデルを提案する。 そこで本モデルは,意思決定におけるユーザフィードバックの選択に有効なツールである。
  論文  参考訳（メタデータ） (2020-11-20T15:35:56Z)

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。