論文の概要: Detecting Abnormal User Feedback Patterns through Temporal Sentiment Aggregation

• arxiv url: http://arxiv.org/abs/2604.00020v1
• Date: Wed, 11 Mar 2026 03:07:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.198647
• Title: Detecting Abnormal User Feedback Patterns through Temporal Sentiment Aggregation
• Title（参考訳）: 時間知覚アグリゲーションによる異常なユーザフィードバックパターンの検出
• Authors: Yalun Qi, Sichen Zhao, Zhiming Xue, Xianling Zeng, Zihan Yu,
• Abstract要約: 本研究では,時間軸の感情信号を抽出し,時間軸のスコアに集約する時間軸の感情集約フレームワークを提案する。 本手法は,コヒーレントな苦情パターンに対応する統計的に重要な感情低下の同定に成功している。
• 参考スコア（独自算出の注目度）: 4.230025065044209
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In many real-world applications, such as customer feedback monitoring, brand reputation management, and product health tracking, understanding the temporal dynamics of user sentiment is crucial for early detection of anomalous events such as malicious review campaigns or sudden declines in user satisfaction. Traditional sentiment analysis methods focus on individual text classification, which is insufficient to capture collective behavioral shifts over time due to inherent noise and class imbalance in short user comments. In this work, we propose a temporal sentiment aggregation framework that leverages pretrained transformer-based language models to extract per-comment sentiment signals and aggregates them into time-window-level scores. Significant downward shifts in these aggregated scores are interpreted as potential anomalies in user feedback patterns. We adopt RoBERTa as our core semantic feature extractor and demonstrate, through empirical evaluation on real social media data, that the aggregated sentiment scores reveal meaningful trends and support effective anomaly detection. Experiments on real-world social media data demonstrate that our method successfully identifies statistically significant sentiment drops that correspond to coherent complaint patterns, providing an effective and interpretable solution for feedback anomaly monitoring.
• Abstract（参考訳）: ユーザフィードバックの監視,ブランド評価管理,製品健康管理など,現実の多くのアプリケーションにおいて,ユーザ感情の時間的ダイナミクスを理解することは,悪意のあるレビューキャンペーンやユーザ満足度の急激な低下といった異常事象の早期発見に不可欠である。 従来の感情分析手法は個々のテキスト分類に重点を置いており、短いユーザコメントにおいて固有のノイズやクラス不均衡により、時間とともに集団的行動の変化を捉えるには不十分である。 本研究では,事前学習したトランスフォーマーに基づく言語モデルを用いて,モーメントごとの感情信号を抽出し,時間風レベルスコアに集約する時間的感情集約フレームワークを提案する。 これらの集計スコアにおける重要な下降シフトは、ユーザフィードバックパターンの潜在的な異常として解釈される。 我々はRoBERTaを中核となるセマンティック特徴抽出器として採用し、実ソーシャルメディアデータに対する経験的評価により、集約された感情スコアが有意義な傾向を示し、効果的な異常検出を支援することを実証した。 実世界のソーシャルメディアデータを用いた実験により,コヒーレントな苦情パターンに対応する統計的に有意な感情低下の同定に成功し,フィードバック異常モニタリングのための効果的かつ解釈可能なソリューションが得られた。

関連論文リスト

• PersonaDrift: A Benchmark for Temporal Anomaly Detection in Language-Based Dementia Monitoring [0.9668407688201359]
  PersonaDriftは、日々のコミュニケーションの進行的な変化を検出するための機械学習と統計的手法を評価するために設計されたベンチマークである。 このベンチマークは、介護者が特に有能であると強調した2種類の縦方向の変化に焦点を当てている。 予備的な結果は, ベースライン変動率の低いユーザにおいて, 単純な統計モデルを用いて, 平坦感が検出できることを示唆している。
  論文  参考訳（メタデータ） (2025-11-20T15:15:00Z)
• Evaluating Cognitive-Behavioral Fixation via Multimodal User Viewing Patterns on Social Media [52.313084466769375]
  本稿では,ユーザのマルチモーダルなソーシャルメディアエンゲージメントパターンを分析し,認知行動の定着を評価する新しい枠組みを提案する。 既存のベンチマークと、新しくキュレートされたマルチモーダルデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2025-09-05T05:50:00Z)
• Perception-Driven Bias Detection in Machine Learning via Crowdsourced Visual Judgment [0.0]
  本稿では,クラウドソースによる人的判断を活用するバイアス検出のための,新しい認知駆動型フレームワークを提案する。 本稿では,reCAPTCHAなどのクラウド・パワーシステムに触発されて,数値データの取り除かれた可視化を表示する軽量なWebプラットフォームを提案する。 ユーザの視覚的知覚は、レイアウト、間隔、質問のフレーズによって、潜在的な相違を示唆することができる。
  論文  参考訳（メタデータ） (2025-05-21T17:09:18Z)
• Uncertainty in Repeated Implicit Feedback as a Measure of Reliability [12.441205946216192]
  暗黙的かつ明示的なフィードバックは、人間の相互作用の変動によってノイズを引き起こす。 協調フィルタリングでは、これらの信号がユーザとアイテムの類似性を決定するため、相互作用信号の信頼性が重要となる。 我々は,反復パターンがユーザの関心に影響を及ぼす重要な要因とどのように交わるかを分析し,関連する不確実性を定量化する手法を開発した。
  論文  参考訳（メタデータ） (2025-05-05T09:18:47Z)
• 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)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss [51.448615489097236]
  ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。 本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。 異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
  論文  参考訳（メタデータ） (2020-06-02T13:34:11Z)

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。