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。
これまでの研究では,ユーザレビューへの回答は,通常,ユーザにより与えられた評価にプラスの効果を持ち,例えば,Hassenらは,レビューへの回答が,応答しない場合と比較して,与えられたレイティングを6倍まで更新するユーザの機会を増加させることを見出した。ユーザレビューのバルクに応える際の労働負荷を軽減するために,開発者は,通常,テンプレートが,ユーザのために,アプリケーションを追うために,アプリケーションを表現または言及するために,アプリケーションを表現できるテンプレートベースの戦略を採用する。しかしながら,毎日多くのユーザレビューを読むことは,開発者にとって容易なタスクではない。したがって,開発者がユーザレビューに応答するのを助けるために,より多くの自動化の必要性がある。前述の必要性に応えて,本研究では,レビューとそれらの応答の間の知識関係の学習によりレビュー応答を自動的に生成する新しいアプローチRRGenを提案する。RRGenは,ユーザ評価とレビュー長のようなレビュー属性を明示的に組み入れ,利用可能な訓練データからの教師つき方法でレビューと対応応答間の関係を学習する。58のアプリと309,246のレビュー-応答対に関する実験は,RRGenがBLEU-4(対話応答生成システムを評価するために広く使われている精度尺度)に関して少なくとも67.4%のベースラインより性能が優れていることを示した。定性的分析はまた,関連および正確な応答を生成するRRGenの有効性を確認した。【JST・京大機械翻訳】