論文の概要: Signal in the Noise: Decoding the Reality of Airline Service Quality with Large Language Models
- arxiv url: http://arxiv.org/abs/2603.04404v1
- Date: Sun, 04 Jan 2026 13:05:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 01:20:08.177888
- Title: Signal in the Noise: Decoding the Reality of Airline Service Quality with Large Language Models
- Title（参考訳）: 騒音の信号:大規模言語モデルによる航空サービス品質の現実化
- Authors: Ahmed Dawoud, Osama El-Shamy, Ahmed Habashy,
- Abstract要約: 本研究では,そのようなデータから詳細な洞察を抽出するためのLarge Language Model (LLM) フレームワークを検証する。
エジプト航空とエミレーツ航空の16,000以上のTripAdvisorレビューを分析します。
- 参考スコア（独自算出の注目度）: 1.9280643035418399
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional service quality metrics often fail to capture the nuanced drivers of passenger satisfaction hidden within unstructured online feedback. This study validates a Large Language Model (LLM) framework designed to extract granular insights from such data. Analyzing over 16,000 TripAdvisor reviews for EgyptAir and Emirates (2016-2025), the study utilizes a multi-stage pipeline to categorize 36 specific service issues. The analysis uncovers a stark "operational perception disconnect" for EgyptAir: despite reported operational improvements, passenger satisfaction plummeted post-2022 (ratings < 2.0). Our approach identified specific drivers missed by conventional metrics-notably poor communication during disruptions and staff conduct-and pinpointed critical sentiment erosion in key tourism markets. These findings confirm the framework's efficacy as a powerful diagnostic tool, surpassing traditional surveys by transforming unstructured passenger voices into actionable strategic intelligence for the airline and tourism sectors.
- Abstract（参考訳）: 従来のサービス品質指標は、構造化されていないオンラインフィードバックの中に隠された乗客の満足度に関する微妙なドライバーを捉えるのに失敗することが多い。
本研究では,そのようなデータから詳細な洞察を抽出するためのLarge Language Model (LLM) フレームワークを検証する。
エジプト航空とEmirates(2016-2025)の16,000以上のTripAdvisorレビューを分析して、この研究は、36の特定のサービス問題を分類するために、マルチステージパイプラインを利用している。
この分析ではエジプト航空の「操作的認識の切断」が明らかとなり、運用上の改善が報告されたにもかかわらず、2022年以降の乗客の満足度は急落した。
当社のアプローチでは,従来の指標的コミュニケーションの欠如と,主要観光市場でのスタッフの行動と批判的感情浸食が指摘された。
これらの結果は、このフレームワークが強力な診断ツールとして有効であることを確認し、非構造的な乗客の声を航空会社や観光分野の実用的な戦略的知性に変換することによって、従来の調査を上回った。
関連論文リスト
- The Interspeech 2026 Audio Reasoning Challenge: Evaluating Reasoning Process Quality for Audio Reasoning Models and Agents [83.79481911755481]
We organized the Audio Reasoning Challenge at Interspeech 2026。
この課題は、推論チェーンの事実とロジックを評価する新しいインスタンスレベルのプロトコルであるMMAR-Rubricsを導入した。
シングルモデルとエージェントのトラックが特徴で、18カ国から156チームが参加している。
論文 参考訳（メタデータ） (2026-02-15T16:38:09Z) - Aegis: Towards Governance, Integrity, and Security of AI Voice Agents [52.7512082818639]
音声エージェントのガバナンス,整合性,セキュリティのためのフレームワークであるAegisを提案する。
我々は,銀行コールセンタ,ITサポート,ロジスティクスにおけるケーススタディを通じて,この枠組みを評価する。
モデルファミリ間の系統的な差異を観察し,より感受性の高いオープンウェイトモデルを示した。
論文 参考訳（メタデータ） (2026-02-07T05:51:36Z) - Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。
モデル、足場、ベンチマークにまたがる3次元解析を行う。
私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
論文 参考訳（メタデータ） (2025-10-13T22:22:28Z) - ATLAS: Constraints-Aware Multi-Agent Collaboration for Real-World Travel Planning [53.065247112514534]
ATLASは、現実世界の旅行計画タスクにおける制約意識の複雑な性質を扱うために設計された汎用マルチエージェントフレームワークである。
我々はTravelPlannerベンチマークで最先端のパフォーマンスを示し、最終パスレートを23.3%から44.4%に改善した。
論文 参考訳（メタデータ） (2025-09-29T23:23:52Z) - Combining Textual and Spectral Features for Robust Classification of Pilot Communications [2.9346090159291283]
本稿では、テキストとスペクトルの両方の特徴を用いてパイロット無線通信を分類する、新しいデュアルパイプライン機械学習フレームワークを提案する。
我々の知る限り、これは実世界の航空交通オーディオの二重パイプラインMLフレームワークを用いて、運用航空機の意図を分類する最初のシステムである。
論文 参考訳（メタデータ） (2025-09-11T16:43:10Z) - Agent KB: Leveraging Cross-Domain Experience for Agentic Problem Solving [62.71545696485824]
我々は,異種エージェントフレームワーク間のシームレスな体験共有を可能にするユニバーサルメモリ基盤であるAgent KBを紹介した。
Agent KBはトラジェクトリを構造化知識ベースに集約し、軽量APIを提供する。
我々は,GAIA,Humanity's Last Exam,GPQA,SWE-benchなどの主要フレームワークにまたがるエージェントを検証した。
論文 参考訳（メタデータ） (2025-07-08T17:59:22Z) - Transit Pulse: Utilizing Social Media as a Source for Customer Feedback and Information Extraction with Large Language Model [12.6020349733674]
本稿では,交通関連情報を抽出し,分析するための新しい手法を提案する。
提案手法では,Large Language Models (LLM) ,特にLlama 3を合理化解析に用いている。
以上の結果から,公共交通機関におけるソーシャルメディアデータ分析を変革するLLMの可能性が示された。
論文 参考訳（メタデータ） (2024-10-19T07:08:40Z) - Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。
群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。
いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
論文 参考訳（メタデータ） (2024-02-14T13:20:24Z) - Aspect based sentimental analysis for travellers' reviews [5.51641435875237]
本研究は、旅行者レビューのより詳細な分析を行うために、アスペクトベースの感情分析を用いることを提案する。
その結果, 改善が必要な旅行者や空港サービスを見付けるために, アスペクトベースの感情分析を利用するための明確な理由が得られた。
論文 参考訳（メタデータ） (2023-08-01T21:23:02Z) - Unleashing the Power of User Reviews: Exploring Airline Choices at
Catania Airport, Italy [0.0]
本研究の目的は、社会的影響のメカニズムと航空会社の選択との関係を検討することである。
私たちはよく知られたプラットフォーム、Trustpilot、Google、Twitterからユーザーレビューを抽出することにしました。
その後、BERTモデルを洗練して、航空会社レビューの文脈における洞察に富んだ感情に焦点を当てました。
論文 参考訳（メタデータ） (2023-06-27T15:10:57Z) - Happy or grumpy? A Machine Learning Approach to Analyze the Sentiment of
Airline Passengers' Tweets [17.611366838121064]
本研究は,航空会社に言及したつぶやきの感情を分析し,顧客満足度を測定することを目的とする。
関連するつぶやきはTwitterのAPIから検索され、トークン化とベクトル化によって処理される。
感情分析に加えて、収集したつぶやきの語彙分析を行い、キーワードの頻度をモデル化する。
論文 参考訳（メタデータ） (2022-09-28T18:50:11Z)
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。