2019
DOI: 10.1016/j.ipm.2019.01.004
|View full text |Cite
|
Sign up to set email alerts
|

OpinionLink: Leveraging user opinions for product catalog enrichment

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
3
2

Citation Types

0
7
0
3

Year Published

2020
2020
2023
2023

Publication Types

Select...
6
2

Relationship

0
8

Authors

Journals

citations
Cited by 11 publications
(10 citation statements)
references
References 15 publications
0
7
0
3
Order By: Relevance
“…Para a primeira tarefa foram propostos dois métodos alternativos. O primeiro método, chamado Aspec-tLink [de Melo et al 2018], adota uma estratégia não-supervisionada, enquanto o segundo, chamado OpinionLink [de Melo et al 2019a], adota uma estratégia supervisionada. O AspectLink [de Melo et al 2018] usa uma abordagem linguística não supervisionada onde funções de similaridade comparam as características lexicais de atributos dos produto com o texto das expressões de aspecto.…”
Section: Trabalhos Relacionadosunclassified
See 1 more Smart Citation
“…Para a primeira tarefa foram propostos dois métodos alternativos. O primeiro método, chamado Aspec-tLink [de Melo et al 2018], adota uma estratégia não-supervisionada, enquanto o segundo, chamado OpinionLink [de Melo et al 2019a], adota uma estratégia supervisionada. O AspectLink [de Melo et al 2018] usa uma abordagem linguística não supervisionada onde funções de similaridade comparam as características lexicais de atributos dos produto com o texto das expressões de aspecto.…”
Section: Trabalhos Relacionadosunclassified
“…O AspectLink [de Melo et al 2018] usa uma abordagem linguística não supervisionada onde funções de similaridade comparam as características lexicais de atributos dos produto com o texto das expressões de aspecto. No OpinionLink [de Melo et al 2019a], foi desenvolvido um método que usa classificadores binários e um conjunto de características estatísticos extraídas das opiniões de usuários. Além disso, uma estratégia de bootstrapping foi proposta para treinar os classificadores a fim de reduzir a dependência dos dados de treinamento.…”
Section: Trabalhos Relacionadosunclassified
“…The latest works on catalog segmentation are using preference techniques as used in recommender systems to automate allocating users to the most related sub taxonomy (sub catalog), e.g. in [36,37,39,52,63]. However, the sub taxonomies are semantically reduced, which means that concepts not included in the sub catalog are not shown.…”
Section: Introductionmentioning
confidence: 99%
“…The advantages of our SEOpinion system are: (i) it helps users to easily access a sentiment score about any preferred aspect and all sub-aspects thereof; (ii) the extracted aspects do not depend on a specific domain (e.g., Amazon and Flipkart) as long as these aspects are directly extracted from the site templates; (iii) the extracted hierarchy of aspects is constant and does not change with the change of reviews as in other methods [ 18 , 19 ] because they have been obtained from product details, not from the reviews (as shown in step 1 of Figure 1 ); (iv) some users might prefer to read the actual opinion sentences instead of reading the overall statistics, so these are displayed in a separate panel called the opinion sentence exploration (the details are shown in Section 3.5 ); (v) it allows users to easily compare people’s opinions on products of the same type (e.g., cameras) because they are all represented by the same aspects (e.g., Zoom, Lens, and Focus); and finally (vi) it helps in the polarity classification processes, which show the polarities of some sentiment words. For example, the sentence “In this laptop, the processor and battery-life are fast” contains a sentiment word “fast” and the two aspects “processor” and “battery-life.” The “fast” is positive under the “processor” aspect node, while it is negative under “battery-life.”…”
Section: Introductionmentioning
confidence: 99%