論文の概要: Beyond Satisfaction: Learning Associations Between Content, Reviews, and Well-Being
- arxiv url: http://arxiv.org/abs/2607.02539v1
- Date: Mon, 22 Jun 2026 21:22:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 07:26:11.066123
- Title: Beyond Satisfaction: Learning Associations Between Content, Reviews, and Well-Being
- Title（参考訳）: 満足を超えて:コンテンツ、レビュー、幸福の関連性を学ぶ
- Abstract要約: 一般的に用いられている満足度信号が幸福感の表現を捉えているかどうか,また,幸福感の異なる結果にどのようなコンテンツが関連しているかを検討する。
その結果,(a)評価尺度と感情は,心理学的幸福感のほとんどの面と緩やかに相関し,(b)評価と感情は,即時およびヘドニック性により密接に一致していることがわかった。
- 参考スコア（独自算出の注目度）: 11.787076480276438
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Digital platforms commonly optimize for satisfaction using signals such as ratings, likes, and sentiment, implicitly treating satisfaction as a proxy for user well-being. Psychological theory, however, characterizes well-being as a multidimensional construct that extends beyond satisfaction or short-term positivity. In this paper, we examine whether commonly used satisfaction signals capture expressions of well-being, and what types of content are associated with different well-being outcomes. Our study focuses on book consumption, a convenient domain wherein users engage substantially with fixed pieces of content and sometimes provide nuanced long-form feedback. Our results show that (a) rating scales and sentiment only loosely correlate with most facets of psychological well-being and (b) ratings and sentiment are more closely aligned with immediate and hedonic as opposed to enduring and eudaimonic expressions of well-being. Further, by linking reviews to book content, we find that themes related to values, and institutions like religion (Pearson r = 0.35) or human drives (r=.26) are associated with higher meaning and accomplishment respectively, while incivility (avg r = -.15) and past-focused language (avg r = -.12) are associated with lower well-being. These findings motivate richer outcome targets for content recommendation systems beyond satisfaction alone.
- Abstract（参考訳）: デジタルプラットフォームは一般的に、評価、好み、感情などの信号を使用して満足度を最適化し、ユーザーの幸福のためのプロキシとして満足度を暗黙的に扱う。
しかし、心理学理論は幸福を満足や短期の肯定を超えた多次元の構成として特徴づけている。
本稿では、一般的に使われている満足度信号が幸福感の表現を捉えているかどうか、また、幸福感の異なる結果にどのようなコンテンツが関連しているかを検討する。
本研究は,ユーザがコンテンツに実質的に関与し,時には微妙な長文フィードバックを提供する便利なドメインである,書籍消費に焦点を当てた。
私たちの結果は
(a)評価尺度と感情は、心理学的幸福のほとんどの面と緩やかに相関している。
(b)評価と感情は、幸福の持続的・優越的な表現とは対照的に、即時およびヘドニックとより緊密に一致している。
さらに、レビューを書籍コンテンツにリンクすることで、価値に関連するテーマや宗教(ピアソン r = 0.35)や人間ドライブ(r=.26)といった制度は、それぞれより高い意味と達成に結びついているのに対し、イシヴィリティ(avg r = -.15)と過去中心の言語(avg r = -.12)は低い幸福に結びついていることが分かる。
これらの知見は、満足度だけでなく、コンテンツレコメンデーションシステムのリッチな成果目標を動機付けている。
関連論文リスト
- PERCEIVE: A Benchmark for Personalized Emotion and Communication Behavior Understanding on Social Media [12.727513169450503]
PERCEIVEはソーシャルメディアにおける社会的知覚分析の新しいベンチマークである。
著者が作成したコンテンツ、真の読者の感情的なフィードバック、コミュニケーション行動、ユーザー属性、ソーシャルグラフの5つの重要な側面を統合するのは、これが初めてである。
PerCEIVEは、社会的文脈に根ざした感情と行動の本質的な結合をモデル化するためのユニークなリソースを提供する。
論文 参考訳（メタデータ） (2026-04-10T09:35:56Z) - Improving User Experience with Personalized Review Ranking and Summarization [0.0]
本研究は、レビューランキングと抽象要約を統合し、意思決定効率を向上させるためのパーソナライズされたフレームワークを提案する。
70名を対象に行ったユーザスタディでは、パーソナライズされたアプローチが満足度、妥当性、意思決定の信頼性を改善した。
論文 参考訳（メタデータ） (2025-10-28T13:16:28Z) - Integrating Emotion Distribution Networks and Textual Message Analysis for X User Emotional State Classification [0.0]
この研究は、テキストコンテンツにのみ焦点をあてた従来の感情分析手法が、重要な出来事に対する感情の識別に不十分であることを強調している。
提案手法では,感情分布パターンによる精度が12%向上し,ユーザプロファイルを考慮した場合,15%向上する。
論文 参考訳（メタデータ） (2025-04-11T10:37:35Z) - You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
感情分析ツールが同じデータセットで一致しないことを示す。
感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
論文 参考訳（メタデータ） (2024-10-18T17:27:38Z) - SentiCSE: A Sentiment-aware Contrastive Sentence Embedding Framework with Sentiment-guided Textual Similarity [12.954271451359222]
感性認識型事前学習言語モデル(PLM)は、下流の感情分析タスクにおいて顕著な結果を示す。
本稿では,感情表現の質を評価するための新しい指標である感性誘導テキスト類似度(SgTS)を提案する。
次に、感性表現を構築するための新しい感性認識コントラスト文埋め込みフレームワークであるSentiCSEを提案する。
論文 参考訳（メタデータ） (2024-04-01T13:24:20Z) - Model, Analyze, and Comprehend User Interactions within a Social Media Platform [0.6990493129893112]
ソーシャルメディアデータからユーザインタラクショングラフを構築し,それを解析し,コミュニティダイナミクスの洞察を得る。
本研究は,オンラインコミュニティの理解と管理のための包括的枠組みを提供する。
論文 参考訳（メタデータ） (2024-03-23T21:54:18Z) - Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。
我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文 参考訳（メタデータ） (2022-06-01T00:45:32Z) - 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) - Affective Image Content Analysis: Two Decades Review and New
Perspectives [132.889649256384]
我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。
我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。
画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
論文 参考訳（メタデータ） (2021-06-30T15:20:56Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z) - SKEP: Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis [69.80296394461149]
本稿では,複数の感情分析タスクに対する統一的な感情表現を学習するために,感覚知識強化事前学習(SKEP)を導入する。
自動的な知識の助けを借りて、SKEPは感情マスキングを行い、3つの感情知識予測目標を構築する。
3種類の感情タスクの実験では、SKEPはトレーニング前ベースラインよりも有意に優れていた。
論文 参考訳（メタデータ） (2020-05-12T09:23:32Z)
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。