論文の概要: Sentiment Analysis and Customer Satisfaction Prediction on E-Commerce Platforms Based on YouTube Comments Using the XGBoost Algorithm
- arxiv url: http://arxiv.org/abs/2605.04887v1
- Date: Wed, 06 May 2026 13:20:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.831564
- Title: Sentiment Analysis and Customer Satisfaction Prediction on E-Commerce Platforms Based on YouTube Comments Using the XGBoost Algorithm
- Title（参考訳）: XGBoostアルゴリズムを用いたYouTubeコメントに基づくEコマースプラットフォームにおける感性分析と顧客満足度予測
- Abstract要約: インドネシアにおけるデジタルコマースの指数的な拡大は、消費者の交流をビデオ中心のソーシャルネットワークに大きくシフトさせた。
本研究では,Extreme Gradient Boostingアーキテクチャを利用した顧客満足度予測モデルの構築と検討を行った。
実験により、PyCaret最適化機械学習フレームワークが優れた分類レジリエンスを提供することが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The exponential expansion of digital commerce in Indonesia has significantly shifted consumer interactions toward video-centric social networks, particularly YouTube. Consequently, the sheer volume of unstructured, multi-contextual comments poses a tremendous challenge for manual sentiment tracking. This study investigates and constructs a predictive model for customer satisfaction leveraging the Extreme Gradient Boosting (XGBoost) architecture coupled with Term Frequency-Inverse Document Frequency (TF-IDF) vectorization. By utilizing a secondary dataset of YouTube comments retrieved from e-commerce review videos, the raw text underwent rigorous preprocessing to generate normalized numerical features. The experimental results demonstrate that the PyCaret-optimized machine learning framework delivers superior classification resilience. Beyond standard performance metrics, lexical evaluations and feature-importance mapping uncover a notable phenomenon: e-commerce discourse is heavily infiltrated by socio-political terminologies, which ultimately influence the polarity of audience satisfaction.
- Abstract（参考訳）: インドネシアにおけるデジタルコマースの指数関数的な拡大は、消費者の交流をビデオ中心のソーシャルネットワーク、特にYouTubeに大きくシフトさせた。
その結果、構造化されていない多文コメントの膨大な量は、手動による感情追跡にとって大きな課題となる。
本研究では,TF-IDFベクトル化と合わせて,XGBoostアーキテクチャを利用した顧客満足度予測モデルを構築した。
電子商取引レビュービデオから検索したYouTubeコメントのセカンダリデータセットを利用することで、原文は厳格な事前処理を行い、正規化された数値特徴を生成した。
実験により、PyCaret最適化機械学習フレームワークが優れた分類レジリエンスを提供することが示された。
標準的なパフォーマンス指標以外にも、語彙評価や特徴重要度マッピングが顕著な現象を明らかにしている: 電子商取引の談話は、最終的に観客の満足度に影響を及ぼす社会政治的用語によって深く浸透している。
関連論文リスト
- EvalVerse: Pipeline-Aware and Expert-Calibrated Benchmarking for Professional Cinematic Video Generation [59.569634087474185]
EvalVerseは包括的でパイプライン対応で、専門家による評価フレームワークです。
まず、専門的な映画制作ワークフローに沿った評価分類にドメイン知識を整理する。
第2に、人間の専門家による判断を、大規模な人的アノテーションによるキュレートされたデータセットに蒸留する。
第3に、専門家による微調整戦略を通じて、この知識を視覚言語モデル(VLM)に注入する。
論文 参考訳（メタデータ） (2026-05-22T06:22:21Z) - Benchmarking Logistic Regression, SVM, Naive Bayes, and IndoBERT Fine-Tuning for Sentiment Analysis on Indonesian Product Reviews [0.0]
本稿では,3段階の感情分析タスクにおいて,トランスフォーマーに基づくディープラーニングモデルに対して従来の機械学習アプローチをベンチマークする。
IndoBERTモデルをコンテキストシーケンス分類のために微調整した。
対話型Gradio Webアプリケーションとして最終的な感情分類モデルをデプロイすることで,パイプラインの実用性を示す。
論文 参考訳（メタデータ） (2026-05-05T07:20:42Z) - See, Think, Act: Online Shopper Behavior Simulation with VLM Agents [58.92444959954643]
本稿では,視覚情報,特にWebページスクリーンショットのVLMによる動作シミュレーションへの統合について検討する。
我々は,協調行動予測と合理化生成にSFTを用いて,相互作用の完全な文脈を条件づける。
推論能力をさらに強化するため,RLを階層的な報酬構造と統合し,難易度因子によって拡張する。
論文 参考訳（メタデータ） (2025-10-22T05:07:14Z) - Optimizing Storytelling, Improving Audience Retention, and Reducing Waste in the Entertainment Industry [0.0]
本研究では,従来の視聴者データと25000回以上のテレビドラマの自然言語処理(NLP)機能を統合し,予測精度を向上させる機械学習フレームワークを提案する。
Better Call SaulやAbbott Elementaryなど、さまざまなジャンルでテストされているこのフレームワークは、ジャンル固有のパフォーマンスを明らかにし、ライター、エグゼクティブ、マーケターに、オーディエンス行動に関するデータ駆動の洞察を求める解釈可能なメトリクスを提供する。
論文 参考訳（メタデータ） (2025-05-29T23:01:54Z) - Sentiment-Aware Recommendation Systems in E-Commerce: A Review from a Natural Language Processing Perspective [0.0]
本稿では、自然言語処理の観点から、感情認識レコメンデーションシステムについて包括的にレビューする。
感情分析をeコマースレコメンデータに統合することで、予測精度と説明可能性を高めるメリットを強調している。
主な課題は、ノイズや皮肉なテキストの扱い、動的なユーザの好み、バイアス軽減である。
論文 参考訳（メタデータ） (2025-05-03T19:36:27Z) - The Influence of Text Variation on User Engagement in Cross-Platform Content Sharing [24.49226067258647]
この研究は、Redditの投稿タイトルをYouTubeビデオタイトルから書き換えることがユーザーのエンゲージメントにどのように影響するかを調査する。
YouTubeビデオを共有するReddit投稿の大規模なデータセットを構築し分析した結果、投稿タイトルの21%が最小限に修正されていることが明らかになった。
包括的な統計テストにより、効果的な肩書きの書き直しは、感情的共鳴、語彙的豊かさ、およびコミュニティ固有の規範に適合する傾向があることが明らかになった。
論文 参考訳（メタデータ） (2025-04-26T20:38:28Z) - Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。
従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。
そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
論文 参考訳（メタデータ） (2023-12-26T15:44:09Z) - REDAffectiveLM: Leveraging Affect Enriched Embedding and
Transformer-based Neural Language Model for Readers' Emotion Detection [3.6678641723285446]
本稿では,REDAffectiveLMと呼ばれる深層学習モデルを用いて,短文文書からの読み手感情検出のための新しい手法を提案する。
コンテクストに特化してリッチ表現に影響を与え, リッチBi-LSTM+Attentionに影響を及ぼすタンデムにおいて, トランスフォーマーに基づく事前学習言語モデルを用いることで, リッチ表現に影響を及ぼす。
論文 参考訳（メタデータ） (2023-01-21T19:28:25Z) - Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。
本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
論文 参考訳（メタデータ） (2022-06-27T08:16:59Z) - 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) - Comprehensive Information Integration Modeling Framework for Video
Titling [124.11296128308396]
エンド・ツー・エンド・エンド・モデリング・フレームワークにおいて、消費者生成ビデオの内容、消費者から提供される物語コメント文、製品属性などの包括的情報ソースを統合する。
この問題に対処するため,提案手法は,粒度レベルの相互作用モデリングと抽象レベルのストーリーライン要約という2つのプロセスから構成される。
グローバルなeコマースプラットフォームであるTaobaoの実際のデータから、大規模なデータセットを収集します。
論文 参考訳（メタデータ） (2020-06-24T10:38:15Z)
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。