論文の概要: Actionable Advice from Reviews via Mixture of LoRA Experts: A Two-LLM Pipeline for Issue Extraction and Business Recommendations
- arxiv url: http://arxiv.org/abs/2601.12338v1
- Date: Sun, 18 Jan 2026 10:11:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-21 22:47:22.583161
- Title: Actionable Advice from Reviews via Mixture of LoRA Experts: A Two-LLM Pipeline for Issue Extraction and Business Recommendations
- Title（参考訳）: LoRAエキスパートの混在によるレビューからのアクション可能なアドバイス: 課題抽出とビジネスレコメンデーションのための2つのLLMパイプライン
- Authors: Kartikey Singh Bhandari, Manav Ganesh, Yashwant Viswanathan, Archit Agrawal, Dhruv Kumar, Pratik Narang,
- Abstract要約: 本稿では,イシューモデルが健全な問題を抽出し,粗いテーマを割り当てるモジュール型2LLMフレームワークを提案する。
Yelpレビューから総合的なレビュー・イシュー・アドバイザ・トリプルを構築し,行動可能性,具体性,実現可能性,期待される影響,新規性,非冗長性,バイアス,明快さにまたがる8次元の操作ルーリックを用いて,推奨事項を評価する。
- 参考スコア（独自算出の注目度）: 4.782714372521615
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Customer reviews contain detailed, domain specific signals about service failures and user expectations, but converting this unstructured feedback into actionable business decisions remains difficult. We study review-to-action generation: producing concrete, implementable recommendations grounded in review text. We propose a modular two-LLM framework in which an Issue model extracts salient issues and assigns coarse themes, and an Advice model generates targeted operational fixes conditioned on the extracted issue representation. To enable specialization without expensive full fine-tuning, we adapt the Advice model using a mixture of LoRA experts strategy: multiple low-rank adapters are trained and a lightweight gating mechanism performs token-level expert mixing at inference, combining complementary expertise across issue types. We construct synthetic review-issue-advice triples from Yelp reviews (airlines and restaurants) to supervise training, and evaluate recommendations using an eight dimension operational rubric spanning actionability, specificity, feasibility, expected impact, novelty, non-redundancy, bias, and clarity. Across both domains, our approach consistently outperforms prompting-only and single-adapter baselines, yielding higher actionability and specificity while retaining favorable efficiency-quality trade-offs.
- Abstract（参考訳）: 顧客のレビューには、サービス障害とユーザ期待に関する詳細なドメイン固有のシグナルが含まれているが、この構造化されていないフィードバックを実行可能なビジネス判断に変換することは難しいままである。
レビュー・ツー・アクション・ジェネレーション: レビューテキストに基礎を置いた具体的かつ実装可能なレコメンデーションを作成する。
本稿では,イシューモデルが健全な問題を抽出し,粗いテーマを割り当てるモジュール型2LLMフレームワークを提案する。
複数のローランクアダプタをトレーニングし、軽量なゲーティング機構が推論時にトークンレベルのエキスパートミキシングを実行し、イシュータイプを補完する専門知識を組み合わせる。
Yelpのレビュー(航空やレストラン)から総合的なレビュー・イシュー・アドバイザ・トリプルを構築し,行動性,特異性,実現可能性,期待される影響,新規性,非冗長性,バイアス,明確性にまたがる8次元の操作的ルーリックを用いて,レコメンデーションを評価した。
両領域にわたって、我々のアプローチは、プロンプトのみのベースラインとシングルアダプタのベースラインを一貫して上回り、良好な効率品質のトレードオフを維持しながら、アクション性と特異性を高めます。
関連論文リスト
- A Multi-Agent System for Generating Actionable Business Advice [6.322241356158281]
顧客のレビューには、製品の弱点とユーザニーズのアンメットに関する豊富なシグナルが含まれている。
既存の分析手法が記述的タスクを超えて動くことは滅多にない。
規範的意思決定支援のための多エージェントLLMベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-17T12:07:55Z) - Exploiting the Experts: Unauthorized Compression in MoE-LLMs [1.580774794371876]
タスク固有の使用条件下でのMoE-LLMの刈取性について検討した。
我々は,MoEモデルを許可なく圧縮・微調整しにくくすることを目的とした防衛戦略を提案する。
論文 参考訳（メタデータ） (2025-11-22T20:08:29Z) - A Novel Generative Model with Causality Constraint for Mitigating Biases in Recommender Systems [20.672668625179526]
遅延共起バイアスは、ユーザのフィードバックとアイテムの露出の間の真の因果関係を曖昧にする可能性がある。
本稿では,Recommender Systemsにおける表現学習のための遅延因果制約(Latent Causality Constraints)と呼ばれる新しい生成フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-22T14:09:39Z) - Finding Fantastic Experts in MoEs: A Unified Study for Expert Dropping Strategies and Observations [86.90549830760513]
わずかに活性化されたMixture-of-Experts(SMoE)は、ニューラルネットワークの学習能力のスケールアップを約束している。
多様な視点から専門家の重要度を推定するためのベンチマークとして,MoE Experts Compression Suite (MC-Suite)を提案する。
我々は,SMoEsの指示追従能力が主に損なわれるという,実験的に検証された予想を提示する。
論文 参考訳（メタデータ） (2025-04-08T00:49:08Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z) - Reason4Rec: Large Language Models for Recommendation with Deliberative User Preference Alignment [69.11529841118671]
本稿では,ユーザの嗜好に関する明確な推論を新たなアライメント目標として組み込んだ,新たなDeliberative Recommendationタスクを提案する。
次にReasoningを利用したRecommenderフレームワークを導入する。
論文 参考訳（メタデータ） (2025-02-04T07:17:54Z) - Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。
本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-09T04:20:15Z) - Stability of Explainable Recommendation [10.186029242664931]
既存の特徴指向の説明可能なレコメンデーションの脆弱性について検討する。
我々は、全ての説明可能なモデルが騒音レベルの増加に弱いことを観察する。
本研究は,レコメンデーションシステムにおけるロバストな説明の話題について,実証的な検証を行った。
論文 参考訳（メタデータ） (2024-05-03T04:44:51Z) - Choosing the Best of Both Worlds: Diverse and Novel Recommendations
through Multi-Objective Reinforcement Learning [68.45370492516531]
本稿では,Recommender Systems (RS) 設定のための拡張多目的強化学習(SMORL)を紹介する。
SMORLエージェントは、標準レコメンデーションモデルを拡張し、RLレイヤーを追加し、3つの主要な目的(正確性、多様性、新しいレコメンデーション)を同時に満たすように強制する。
実世界の2つのデータセットに対する実験結果から,集約的多様性の顕著な増加,精度の適度な向上,レコメンデーションの反復性の低下,および相補的目的としての多様性と新規性の強化の重要性が示された。
論文 参考訳（メタデータ） (2021-10-28T13:22:45Z) - Fast Multi-Step Critiquing for VAE-based Recommender Systems [27.207067974031805]
M&Ms-VAEは、提案と説明のための新しい変分オートエンコーダです。
モデルを弱い監督スキームでトレーニングし、完全および部分的に観察された変数をシミュレートします。
次に、訓練されたM&Ms-VAEモデルの一般化能力を利用して、ユーザの好みと批判を個別に埋め込む。
論文 参考訳（メタデータ） (2021-05-03T12:26:09Z)
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。