[論文レビュー] Identifying Restaurant Features via Sentiment Analysis on Yelp Reviews

Boya Yu, Jiaxu Zhou+2 more|arXiv (Cornell University)|Sep 20, 2017

Sentiment Analysis and Opinion Mining参考文献 8被引用数 31

ひとこと要約

本論文は、Yelpのレビューデータを用いて、特定のレストランの特徴（例：食事、サービス、雰囲気）に対する感情を特定するサポートベクターマシン（SVM）ベースの手法を提案する。語の頻度を分析し、極性スコアを生成することで、サービスに対する強い感情や、イタリア料理ではピザ、フランス料理では高価格帯と関連する料理固有のパターンといった、全体のスコアを超えた詳細な感情傾向を明らかにする。

ABSTRACT

Many people use Yelp to find a good restaurant. Nonetheless, with only an overall rating for each restaurant, Yelp offers not enough information for independently judging its various aspects such as environment, service or flavor. In this paper, we introduced a machine learning based method to characterize such aspects for particular types of restaurants. The main approach used in this paper is to use a support vector machine (SVM) model to decipher the sentiment tendency of each review from word frequency. Word scores generated from the SVM models are further processed into a polarity index indicating the significance of each word for special types of restaurant. Customers overall tend to express more sentiment regarding service. As for the distinction between different cuisines, results that match the common sense are obtained: Japanese cuisines are usually fresh, some French cuisines are overpriced while Italian Restaurants are often famous for their pizzas.

研究の動機と目的

• Yelpの全体スコアの限界を是正するため、食事、サービス、雰囲気といった特定のレストラン属性に対する感情を抽出すること。
• 集計スコアを超えて、個別のレストラン特徴に対する感情を同定・定量化する機械学習手法を開発すること。
• 日本の料理が新鮮さと関連づけられるなど、一般的な料理的認識と一致する感情パターンが妥当であることを検証すること。
• 特定のレストランタイプにおける語の感情寄与度に基づいて極性インデックスを生成し、特徴レベルでの感情分析を可能にすること。

提案手法

• サポートベクターマシン（SVM）モデルをYelpレビューデータに適用し、語の頻度パターンに基づいて感情を分類する。
• SVMからの語のスコアを統合して極性インデックスを算出し、それぞれの語が特定のレストランタイプに対してどれほど感情的意義を持つのかを示す。
• 食事の質、サービス、価格といった明確な側面に対する感情の差を特定することに焦点を当てる。
• 訓練データはラベル付きレビューデータから得られ、感情の傾向はSVM意思決定境界への語レベルの寄与度から推定される。
• 教師あり学習を活用し、語彙的特徴をターゲットとなるレストラン属性の感情極性にマッピングする。

実験結果

リサーチクエスチョン

• RQ1 非構造化のYelpレビューデータから、特定のレストラン特徴（例：食事、サービス、雰囲気）に対する感情を自動的に同定する方法は何か？
• RQ2 レストラン特徴の感情パターンは、一般的な料理的期待（例：イタリア料理＝ピザ、フランス料理＝高価格）とどの程度一致するか？
• RQ3 どのレストランの側面がユーザーから最も強い感情表現を引き出すのか、またこれは料理種別でどのように変化するか？
• RQ4 SVMの語スコアから導出される極性インデックスは、異なるレストランタイプにおける特定の特徴に対する感情寄与度を効果的に表現できるか？

主な発見

• 顧客は他のレストランの側面よりも、サービスに対して顕著に強い感情を表明している。
• モデルは、日本料理が新鮮さと関連づけられるなど、料理固有の感情パターンを的確に同定した。
• イタリア料理のレストランでは、ピザに対する肯定的かつ一貫した感情が関連づけられており、一般的な認識と一致している。
• SVMベースの極性インデックスは、語レベルの感情寄与度を効果的に捉えており、レストラン特徴の微細な分析を可能にした。