論文の概要: Proposing Topic Models and Evaluation Frameworks for Analyzing Associations with External Outcomes: An Application to Leadership Analysis Using Large-Scale Corporate Review Data

• arxiv url: http://arxiv.org/abs/2604.18919v2
• Date: Fri, 24 Apr 2026 01:43:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 13:34:22.023067
• Title: Proposing Topic Models and Evaluation Frameworks for Analyzing Associations with External Outcomes: An Application to Leadership Analysis Using Large-Scale Corporate Review Data
• Title（参考訳）: 外部成果分析のためのトピックモデルと評価フレームワークの提案:大規模企業レビューデータを用いたリーダーシップ分析への応用
• Authors: Yura Yoshida, Masato Kanai, Masataka Nakayama, Haruki Ohsawa, Yukiko Uchida, Arata Yuminaga, Gakuse Hoshina, Nobuo Sayama,
• Abstract要約: 本研究は,企業レビューデータを用いたリーダーシップ分析に焦点を当てた。 そこで本研究では,大規模言語モデルを用いてトピックの特異性と極性姿勢の整合性を満たすトピックを生成する手法を提案する。 我が国の大手企業レビュープラットフォームであるOpenWorkの従業員レビューを用いて, 解釈性, 特異性, 極性整合性を向上する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Analyzing topics extracted from text data in relation to external outcomes is important across fields such as computational social science and organizational research. However, existing topic modeling methods struggle to simultaneously achieve interpretability, topic specificity (alignment with concrete actions or characteristics), and polarity stance consistency (absence of mixed positive and negative evaluations within a topic). Focusing on leadership analysis using corporate review data, this study proposes a method leveraging large language models to generate topics that satisfy these properties, along with an evaluation framework tailored to external outcome analysis. The framework explicitly incorporates topic specificity and polarity stance consistency as evaluation criteria and examines automated evaluation methods based on existing metrics. Using employee reviews from OpenWork, a major corporate review platform in Japan, the proposed method achieves improved interpretability, specificity, and polarity consistency compared to existing approaches. In analyses of external outcomes such as employee morale, it also produces topics with higher explanatory power. These results suggest that the proposed method and evaluation framework provide a generalized approach for topic analysis in applications involving external outcomes.
• Abstract（参考訳）: テキストデータから抽出したトピックを外部の成果と関連づけて分析することは、計算社会科学や組織研究といった分野において重要である。 しかし、既存のトピックモデリング手法は、解釈可能性、トピック特異性(具体的な行動や特徴の調整)、極性姿勢の整合性(トピック内での肯定的評価と否定的評価の混在)を同時に達成するのに苦労している。 コーポレートレビューデータを用いたリーダーシップ分析に着目し,これらの特性を満たすトピックを生成するために,大規模言語モデルを活用する手法と,外部の成果分析に適した評価フレームワークを提案する。 本フレームワークは,評価基準としてトピック特異性と偏極姿勢の整合性を明示的に含み,既存の指標に基づく自動評価手法を検討する。 我が国の主要な企業レビュープラットフォームであるOpenWorkの従業員レビューを用いて,既存手法と比較して,解釈可能性,特異性,極性整合性の向上を実現している。 従業員のモラルなどの外的成果の分析においては、説明力の高いトピックも生成する。 これらの結果から,提案手法と評価フレームワークは,外部成果を含むアプリケーションにおいて,トピック分析のための一般化されたアプローチを提供する可能性が示唆された。

関連論文リスト

• Capturing Opinion Shifts in Deliberative Discourse through Frequency-based Quantum deep learning methods [0.0]
  議論は、決定に達する前に様々な視点を測ることで成果を形作る上で重要な役割を担います。 近年の自然言語処理の進歩により、議論をコンピュータでモデル化することが可能になった。 本稿では,複数のNLP手法の比較分析を行い,モデルが会話を効果的に解釈する方法について検討する。
  論文  参考訳（メタデータ） (2025-09-26T17:23:55Z)
• Objective Metrics for Evaluating Large Language Models Using External Data Sources [4.574672973076743]
  本稿では,異なるセメータにまたがるクラステキスト資料から得られた主観的指標を活用するための枠組みを提案する。 このフレームワークは、スコアリングにおける自動化と透明性を強調し、人間の解釈への依存を減らす。 本手法は, 主観評価手法の限界に対処し, 教育, 科学, その他の高度な分野のパフォーマンス評価のためのスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-08-01T02:24:19Z)
• TopicImpact: Improving Customer Feedback Analysis with Opinion Units for Topic Modeling and Star-Rating Prediction [0.29021840487584505]
  我々は、意見ユニットを運用するためのトピックモデリングパイプラインを再構築することで、顧客レビューからの洞察の抽出を改善する。 その結果、その後のトピックモデリングのパフォーマンスが向上し、一貫性と解釈可能なトピックが生まれる。 スター格付けなどのビジネス指標とトピックや感情を関連付けることで、顧客の特定の関心事がどのようにビジネス成果に影響を及ぼすかについての洞察を得ることができる。
  論文  参考訳（メタデータ） (2025-07-16T09:19:26Z)
• Identifying Aspects in Peer Reviews [59.02879434536289]
  我々は、ピアレビューのコーパスからアスペクトを抽出するデータ駆動スキーマを開発した。 我々は、アスペクトを付加したピアレビューのデータセットを導入し、コミュニティレベルのレビュー分析にどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2025-04-09T14:14:42Z)
• Learning to Align Multi-Faceted Evaluation: A Unified and Robust Framework [61.38174427966444]
  大規模言語モデル(LLM)は、様々なシナリオにおける自動評価のために、より広く使われている。 従来の研究では、強力なプロプライエタリモデルの評価と判断を再現するために、オープンソースのLLMを微調整しようと試みてきた。 本稿では,評価基準を適応的に定式化し,テキストベースとコード駆動分析の両方を合成する新しい評価フレームワークARJudgeを提案する。
  論文  参考訳（メタデータ） (2025-02-26T06:31:45Z)
• Exploring the Power of Topic Modeling Techniques in Analyzing Customer Reviews: A Comparative Analysis [0.0]
  大量のテキストデータをオンラインで分析するために、機械学習と自然言語処理アルゴリズムがデプロイされている。 本研究では,顧客レビューに特化して用いられる5つのトピックモデリング手法について検討・比較する。 以上の結果から,BERTopicはより意味のあるトピックを抽出し,良好な結果を得ることができた。
  論文  参考訳（メタデータ） (2023-08-19T08:18:04Z)
• JST-RR Model: Joint Modeling of Ratings and Reviews in Sentiment-Topic Prediction [2.3834926671238916]
  テキストレビューと総合評価の両方に対応する確率モデルを提案します。 提案手法は,レビューデータの予測精度を高め,解釈可能な話題や感情を効果的に検出する。
  論文  参考訳（メタデータ） (2021-02-18T15:47:34Z)

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。