論文の概要: Extracting Consumer Insight from Text: A Large Language Model Approach to Emotion and Evaluation Measurement

• arxiv url: http://arxiv.org/abs/2602.15312v1
• Date: Tue, 17 Feb 2026 02:33:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:17.958423
• Title: Extracting Consumer Insight from Text: A Large Language Model Approach to Emotion and Evaluation Measurement
• Title（参考訳）: テキストから消費者インサイトを抽出する:感情・評価計測のための大規模言語モデルアプローチ
• Authors: Stephan Ludwig, Peter J. Danaher, Xiaohao Yang, Yu-Ting Lin, Ehsan Abedin, Dhruv Grewal, Lan Du,
• Abstract要約: 本稿では,LX(Linguistic eXtractor)について紹介する。 LXは、GPT-4 Turbo、RoBERTa、DeepSeekなど、主要なモデルより一貫して優れている。 オンライン小売データへのLXの適用は、一見無関係な回帰を用いて、レビューされた感情が製品の評価を予測することを裏付けている。
• 参考スコア（独自算出の注目度）: 4.500361771169933
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accurately measuring consumer emotions and evaluations from unstructured text remains a core challenge for marketing research and practice. This study introduces the Linguistic eXtractor (LX), a fine-tuned, large language model trained on consumer-authored text that also has been labeled with consumers' self-reported ratings of 16 consumption-related emotions and four evaluation constructs: trust, commitment, recommendation, and sentiment. LX consistently outperforms leading models, including GPT-4 Turbo, RoBERTa, and DeepSeek, achieving 81% macro-F1 accuracy on open-ended survey responses and greater than 95% accuracy on third-party-annotated Amazon and Yelp reviews. An application of LX to online retail data, using seemingly unrelated regression, affirms that review-expressed emotions predict product ratings, which in turn predict purchase behavior. Most emotional effects are mediated by product ratings, though some emotions, such as discontent and peacefulness, influence purchase directly, indicating that emotional tone provides meaningful signals beyond star ratings. To support its use, a no-code, cost-free, LX web application is available, enabling scalable analyses of consumer-authored text. In establishing a new methodological foundation for consumer perception measurement, this research demonstrates new methods for leveraging large language models to advance marketing research and practice, thereby achieving validated detection of marketing constructs from consumer data.
• Abstract（参考訳）: 非構造化テキストから消費者の感情と評価を正確に測定することは、マーケティング研究と実践にとって重要な課題である。 本研究はLX(Linguistic eXtractor)について紹介する。LX(Linguistic eXtractor)は、消費者が自記した16の消費関連感情と4つの評価構造(信頼、コミットメント、推薦、感情)をラベル付けした、消費者が所有するテキストに基づいて訓練された大規模言語モデルである。 LXは、GPT-4 Turbo、RoBERTa、DeepSeekといった主要なモデルより一貫して優れており、オープンエンドのサーベイレスポンスでは81%のマクロF1精度、サードパーティの注釈付きAmazonおよびYelpレビューでは95%以上の精度を実現している。 オンライン小売データへのLXの適用は、一見無関係な回帰を用いて、レビューで表現された感情が製品評価を予測し、結果として購入行動を予測することを裏付けている。 ほとんどの感情効果は製品評価によって媒介されるが、不満や平和感など一部の感情は直接的に影響を受けており、感情のトーンが星の評価を超える有意義なシグナルをもたらすことを示している。 その使用をサポートするために、無償で無償のLX Webアプリケーションが利用可能であり、消費者が許可したテキストのスケーラブルな分析を可能にする。 本研究は,消費者の知覚測定のための新しい手法基盤を確立するために,大規模言語モデルを活用したマーケティング研究と実践を推進し,消費者データからマーケティング構築物を検出するための新しい手法を実証する。

関連論文リスト

• CPR: Leveraging LLMs for Topic and Phrase Suggestion to Facilitate Comprehensive Product Reviews [0.5249805590164902]
  本稿では,ユーザによる洞察に富んだレビュー作成を支援する新しい手法であるCPRについて述べる。 まず、製品固有の評価用語をユーザに提示し、次に、これらの評価に基づいて目的のフレーズ提案を生成する。 我々は、テキストからテキストへのLLMを用いてCPRを評価し、その性能をWalmartの実際の顧客レビューと比較した。
  論文  参考訳（メタデータ） (2025-04-18T17:11:38Z)
• My Words Imply Your Opinion: Reader Agent-based Propagation Enhancement for Personalized Implicit Emotion Analysis [11.628440499885238]
  本稿では,Personalized IEA(PIEA)とRAPPIEモデルについて紹介する。 我々は、読者のフィードバックをシミュレートするために、大きな言語モデルに基づくリーダーエージェントを作成する。 我々は、英語と中国語のソーシャルメディアをカバーする2つの新しいPIEAデータセットを構築した。
  論文  参考訳（メタデータ） (2024-12-10T10:06:46Z)
• Towards Empathetic Conversational Recommender Systems [77.53167131692]
  本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2024-08-30T15:43:07Z)
• What Matters in Explanations: Towards Explainable Fake Review Detection Focusing on Transformers [45.55363754551388]
  顧客のレビューとフィードバックは、Amazon、Zalando、eBayなどのEコマースプラットフォームにおいて重要な役割を果たす。 売り手が偽レビューやスパムレビューを投稿し、潜在的な顧客を欺き、製品に関する意見を操作しているという懸念が有力である。 本稿では,偽レビューを高精度に検出するための説明可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-24T13:26:02Z)
• AiGen-FoodReview: A Multimodal Dataset of Machine-Generated Restaurant Reviews and Images on Social Media [57.70351255180495]
  AiGen-FoodReviewは、20,144のレストランレビューイメージペアからなるデータセットである。 FLAVAで99.80%のマルチモーダル精度を達成し,一様・多モーダル検出モデルについて検討する。 この論文は、データセットをオープンソース化し、偽レビュー検出装置を公開し、非モーダルかつマルチモーダルな偽レビュー検出タスクでの使用を推奨し、合成データと真正データにおける言語的特徴と視覚的特徴を評価することで貢献する。
  論文  参考訳（メタデータ） (2024-01-16T20:57:36Z)
• Bring Your Own Data! Self-Supervised Evaluation for Large Language Models [52.15056231665816]
  大規模言語モデル(LLM)の自己教師型評価のためのフレームワークを提案する。 閉書知識,毒性,長期文脈依存性を測定するための自己指導型評価戦略を実証する。 自己監督評価と人監督評価との間には強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-06-23T17:59:09Z)
• 5-Star Hotel Customer Satisfaction Analysis Using Hybrid Methodology [0.0]
  我々の研究は、レビューデータから顧客満足度を判断する新しい方法を提案する。 これまで実施されてきた顧客満足度に関する多くの研究とは異なり、本研究は論文の新規性を持っている。
  論文  参考訳（メタデータ） (2022-09-26T04:53:10Z)
• 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)
• SentiLSTM: A Deep Learning Approach for Sentiment Analysis of Restaurant Reviews [13.018530502810128]
  本稿では,レストランのクライアントが提供したレビューを肯定的,否定的な極性に分類する深層学習技術(BiLSTM)を提案する。 テストデータセットの評価の結果、BiLSTM技術は91.35%の精度で生成された。
  論文  参考訳（メタデータ） (2020-11-19T06:24:42Z)

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。