論文の概要: Aspect-Based Sentiment Evolution and its Correlation with Review Rounds in Multi-Round Peer Reviews: A Deep Learning Approach

• arxiv url: http://arxiv.org/abs/2606.24188v1
• Date: Tue, 23 Jun 2026 06:14:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.80244
• Title: Aspect-Based Sentiment Evolution and its Correlation with Review Rounds in Multi-Round Peer Reviews: A Deep Learning Approach
• Title（参考訳）: Aspect-based Sentiment Evolution and its correlation with Review Rounds in Multi-Round Peer Reviews: A Deep Learning Approach
• Authors: Ruxue Hana, Haomin Zhoua, Jiangtao Zhong, Chengzhi Zhang,
• Abstract要約: 本研究では,ピアレビューコメントにおけるアスペクトレベルの感情の分布と進化について検討する。 我々は、一連の深層学習に基づくアスペクト感情分類モデルを訓練する。 レビューラウンドの数が増加するにつれて、肯定的な感情の割合は増加し、否定的な感情は減少する。
• 参考スコア（独自算出の注目度）: 2.654068381694478
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mining sentiment information from the textual content of peer review comments offers valuable insights into the scientific evaluation process. However, previous studies are often constrained by coarse-grained analysis and the lack of differentiation across review rounds. Notably, the dynamic shifts in reviewers' focus and sentiment tendencies throughout multiple review stages remain underexplored. To address this gap, the present study investigates the distribution and evolution of aspect-level sentiments and examines their correlation with the number of review rounds. We begin by segmenting the multi-round review comments of 11,063 accepted papers from Nature Communications and identifying fine-grained review aspect clusters. A manually annotated corpus of approximately 5,000 review sentences is then constructed. Using this dataset, we train a series of deep learning-based aspect sentiment classification models. Among them, the LCF-BERT-CDM model achieves the best performance, with a Macro-F1 score of 82.65%. Subsequent statistical analysis reveals a consistent trend: as the number of review rounds increases, the proportion of positive sentiments rises, while negative sentiments decline. Correlation analysis further indicates that aspect sentiment scores are negatively associated with the total number of review rounds. Key aspects exhibiting stronger correlations include "experiments", "research significance" and "result analysis".
• Abstract（参考訳）: ピアレビューコメントのテキストコンテンツから感情情報をマイニングすることは、科学的評価プロセスに関する貴重な洞察を提供する。 しかし、従来の研究は、粗粒度分析とレビューラウンド間の分化の欠如によって制約されることが多い。 特に、複数のレビュー段階を通して、レビュアーの焦点と感情の傾向の動的変化は、未解明のままである。 このギャップに対処するため, アスペクトレベルの感情の分布と進化について検討し, レビューラウンド数との相関について検討した。 まず,Nature Communicationsから受理された11,063論文の複数回にわたるレビューコメントのセグメンテーションと,詳細なレビューアスペクトクラスタの特定から始める。 その後、約5,000のレビュー文を手動で注釈付けしたコーパスが構築される。 このデータセットを用いて、深層学習に基づくアスペクト感情分類モデルを訓練する。 LCF-BERT-CDMモデルは、マクロF1スコアが82.65%である。 その後の統計分析では、レビューラウンドの数が増加するにつれて、肯定的な感情の割合が増加し、ネガティブな感情は減少する、という一貫した傾向が見られる。 相関分析により、アスペクトの感情スコアはレビューラウンドの総数と負の相関があることが示唆された。 より強い相関を示す重要な側面は、"experiments"、"research important"、"result analysis"である。

関連論文リスト

• Which Review Aspect Has a Greater Impact on the Duration of Open Peer Review in Multiple Rounds? -- Evidence from Nature Communications [4.536998653366957]
  本研究は、特定のレビュー面に対する感情とピアレビュー期間との関係について検討する。 また、この関係は規律やレビューラウンドによってどのように異なるかについても検討している。
  論文  参考訳（メタデータ） (2026-06-20T06:41:26Z)
• Is Peer Review Really in Decline? Analyzing Review Quality across Venues and Time [55.756345497678204]
  本稿では,エビデンスに基づくレビュー品質の比較研究のための新しいフレームワークを提案する。 ICLR、NeurIPS、*ACLといった主要なAIおよび機械学習のカンファレンスに適用します。 レビュー品質の測定値と時間経過に伴うその進化の関係について検討する。
  論文  参考訳（メタデータ） (2026-01-21T16:48:29Z)
• Insights from the ICLR Peer Review and Rebuttal Process [11.96840383745149]
  ICLR 2024と2025のピアレビュープロセスを大規模に分析する。 本研究は,レビュースコア,著者-レビューアテンション,レビュー提出時の時間的パターン,共同レビューアの影響について検討する。 この結果から,初回評価と共同視聴者の評価が,報奨期間における得点変化の予測因子として最強であることが示唆された。
  論文  参考訳（メタデータ） (2025-11-19T14:21:52Z)
• What Drives Paper Acceptance? A Process-Centric Analysis of Modern Peer Review [2.9282248958475345]
  ICLR 2017-2025の大規模な実証研究を行い、28,000件以上の提出書を提出した。 以上の結果から,科学的新奇性以外の要因が受容結果を著しく形作っていることが示唆された。 著者,レビュアー,メタレビュアーに対して,ピアレビューにおける透明性と公正性を高めるためのデータ駆動ガイドラインを提案する。
  論文  参考訳（メタデータ） (2025-09-30T03:00:10Z)
• 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)
• 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)

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。