論文の概要: Beyond the Star Rating: A Scalable Framework for Aspect-Based Sentiment Analysis Using LLMs and Text Classification

• arxiv url: http://arxiv.org/abs/2602.21082v1
• Date: Tue, 24 Feb 2026 16:45:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.846866
• Title: Beyond the Star Rating: A Scalable Framework for Aspect-Based Sentiment Analysis Using LLMs and Text Classification
• Title（参考訳）: 星のレーティングを超えて: LLMとテキスト分類を用いたアスペクトベースの知覚分析のためのスケーラブルなフレームワーク
• Authors: Vishal Patil, Shree Vaishnavi Bacha, Revanth Yamani, Yidan Sun, Mayank Kejriwal,
• Abstract要約: 大規模言語モデル(LLM)は自然言語理解を約束するが、大規模レビュー分析への応用は計算コストやスケーラビリティの懸念によって制限されている。 本研究では,LLMをアスペクト識別に利用し,古典的な機械学習手法を大規模感情分類に適用したハイブリッド手法を提案する。 この結果から,LLMと従来の機械学習アプローチを組み合わせることで,大規模顧客フィードバックのアスペクトベース感情分析を効果的に自動化できることが示唆された。
• 参考スコア（独自算出の注目度）: 4.381175060941676
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Customer-provided reviews have become an important source of information for business owners and other customers alike. However, effectively analyzing millions of unstructured reviews remains challenging. While large language models (LLMs) show promise for natural language understanding, their application to large-scale review analysis has been limited by computational costs and scalability concerns. This study proposes a hybrid approach that uses LLMs for aspect identification while employing classic machine-learning methods for sentiment classification at scale. Using ChatGPT to analyze sampled restaurant reviews, we identified key aspects of dining experiences and developed sentiment classifiers using human-labeled reviews, which we subsequently applied to 4.7 million reviews collected over 17 years from a major online platform. Regression analysis reveals that our machine-labeled aspects significantly explain variance in overall restaurant ratings across different aspects of dining experiences, cuisines, and geographical regions. Our findings demonstrate that combining LLMs with traditional machine learning approaches can effectively automate aspect-based sentiment analysis of large-scale customer feedback, suggesting a practical framework for both researchers and practitioners in the hospitality industry and potentially, other service sectors.
• Abstract（参考訳）: 顧客が提供するレビューは、ビジネスオーナーや他の顧客にとっても重要な情報ソースとなっている。 しかし、数百万の非構造化レビューを効果的に分析することは依然として困難である。 大規模言語モデル(LLM)は自然言語理解を約束するが、大規模レビュー分析への応用は計算コストやスケーラビリティの懸念によって制限されている。 本研究では,LLMをアスペクト識別に利用し,古典的な機械学習手法を大規模感情分類に適用したハイブリッド手法を提案する。 そこで,ChatGPTを用いて食体験の要点を特定し,人間ラベルによるレビューを用いて感情分類器を開発し,主要なオンラインプラットフォームから17年以上にわたって収集された470万のレビューに適用した。 回帰分析により, 食体験, 食生活, 地理的な地域によって, 食生活全体の評価のばらつきが顕著に説明できることがわかった。 本研究は,LLMを従来の機械学習手法と組み合わせることで,大規模顧客フィードバックのアスペクトベース感情分析を効果的に自動化できることを実証した。

関連論文リスト

• Reference Points in LLM Sentiment Analysis: The Role of Structured Context [0.0]
  本研究では, 補足情報が大規模言語モデル(LLM)を用いた感情分析に与える影響について検討する。 構造化プロンプトにより、より小さなモデルで競争性能を達成できることが示される。
  論文  参考訳（メタデータ） (2025-08-15T13:04:32Z)
• Learning to Extract Cross-Domain Aspects and Understanding Sentiments Using Large Language Models [4.604003661048267]
  アスペクトベースの感情分析(ASBA)は、感情分析の洗練されたアプローチである。 製品、サービス、エンティティの特定の側面や特徴に基づいて感情を抽出し、分類することを目的としています。
  論文  参考訳（メタデータ） (2025-01-15T17:36:56Z)
• Dynamic Sentiment Analysis with Local Large Language Models using Majority Voting: A Study on Factors Affecting Restaurant Evaluation [0.0]
  本研究では,局所言語モデルを用いた感情分析モデルに多数決機構を導入する。 レストラン評価に関するオンラインレビューの3つの分析により、複数の試みによる過半数投票は、一つの試みによる大規模なモデルよりも、より堅牢な結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2024-07-18T00:28:04Z)
• Evaluating Large Language Models with Psychometrics [59.821829073478376]
  本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。 私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
  論文  参考訳（メタデータ） (2024-06-25T16:09:08Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
  本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。 26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
  論文  参考訳（メタデータ） (2023-05-24T10:45:25Z)
• Perspectives on Large Language Models for Relevance Judgment [56.935731584323996]
  大型言語モデル(LLM)は、関連判断を支援することができると主張している。 自動判定が検索システムの評価に確実に利用できるかどうかは不明である。
  論文  参考訳（メタデータ） (2023-04-13T13:08:38Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• 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)
• Sentiment Analysis based Multi-person Multi-criteria Decision Making Methodology using Natural Language Processing and Deep Learning for Smarter Decision Aid. Case study of restaurant choice using TripAdvisor reviews [18.491161392558265]
  本稿では、よりスマートな意思決定支援のための感性分析に基づく多人数多基準意思決定手法(SA-MpMcDM)を提案する。 SA-MpMcDM法は、アスペクトベースの感情分析のためのエンドツーエンドのマルチタスクディープラーニングモデルを取り入れている。 自然言語と数値評価を用いて,SA-MpMcDM法を異なるシナリオで解析する。
  論文  参考訳（メタデータ） (2020-07-31T18:45:52Z)

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。