抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ヘプフルネス予測技術は,顧客に対する高品質オンラインレビューを同定し,推薦するために広く使用されてきた。現在,研究の大多数は,レビューの有益性が自己包含されていると仮定する。しかし,実際には,顧客は,逐次的性質を与えることなく,ほとんどプロセスレビューをしない。レビューの知覚された有用性は,主に無視されてきた,その連続した隣人(すなわち,コンテキスト)により影響される可能性がある。本論文では,レビューとその近傍の間の欠測インタラクションを捉える新しい方法を提案した。最初のエンドツーエンドニューラルアーキテクチャを,隣接意識予測(NAP)のために開発した。各レビューのために,NAPは3種類の隣接選択,即ち,その先行,追従,および周辺近傍を許す。選択した近傍からコンテキスト手がかりを学習するために,4つの重みづけ方式を設計した。次に,レビューを,近隣意識予測のために学習された手がかりに文脈化した。NAPは,一連の最先端の基準線に対する実世界オンラインレビューの6つの領域で評価した。広範な実験は,NAPの有効性および現在のレビューに対する逐次近隣の影響を確認した。さらなるハイパーパラメータ解析は3つの主な知見を明らかにした。(1)平均で,不均等な重要性で扱われた8つの近隣は,文脈構築に従事している。(2)近隣意識予測の利益は,より近い近隣から主に結果であった。(3)レビューの5つの最も近い近傍に等しく考慮することは,通常,より弱いが許容できる予測結果を作り出すことができる。【JST・京大機械翻訳】