[論文レビュー] The Longer the Better? The Interplay Between Review Length and Line of Argumentation in Online Consumer Reviews

Bernhard Lutz, Nicolas Pröllochs+1 more|arXiv (Cornell University)|Sep 10, 2019

Sentiment Analysis and Opinion Mining被引用数 6

ひとこと要約

本研究は、オンラインレビューの長さが常に役立つという仮定に挑戦し、レビューの有用性が主張構造に依存することを示している。長期間にわたって主張の変化が少ない場合に限り、長めのレビューはより有用になる。自然言語処理を用いて文単位の肯定・否定のシフトを検出するが、その頻度が高いと認知的負荷が増加し、特に長めのレビューでは有用性が低下する。これにより、eコマースレビューシステムの改善に向けた洗練されたモデルが提示される。

ABSTRACT

Review helpfulness serves as focal point in understanding customers' purchase decision-making process on online retailer platforms. An overwhelming majority of previous works find longer reviews to be more helpful than short reviews. In this paper, we propose that longer reviews should not be assumed to be uniformly more helpful; instead, we argue that the effect depends on the line of argumentation in the review text. To test this idea, we use a large dataset of customer reviews from Amazon in combination with a state-of-the-art approach from natural language processing that allows us to study argumentation lines at sentence level. Our empirical analysis suggests that the frequency of argumentation changes moderates the effect of review length on helpfulness. Altogether, we disprove the prevailing narrative that longer reviews are uniformly perceived as more helpful. Our findings allow retailer platforms to improve their customer feedback systems and to feature more useful product reviews.

研究の動機と目的

• eコマースにおいて、長めのレビューが一律に有用であるという一般的な仮定に挑戦すること。
• レビュー内の主張変化の頻度が、レビュー長と有用性の関係をどのように緩和するかを調査すること。
• 消費者レビューの文単位での主張ラインを検出するNLPベースの手法を開発・適用すること。
• 小売業者がレビュー順序付けや顧客フィードバックシステムを改善するための実務的インサイトを提供すること。
• 高関与製品と低関与製品における主張効果の違いを検討すること。

提案手法

• レビューのテキストから文単位の肯定／否定極性（ポジティブ／ネガティブ）を推定するために、分散表現とマルチインスタンス学習を組み合わせた最先端のNLPモデルを適用した。
• 極性ラベルの系列を用いて、連続する文間で肯定から否定、または否定から肯定に移行する主張の変化（argumentation changes）を検出した。
• 各レビューにおけるそのような極性シフトの頻度を定量化するための指標「レビュー主張一貫性（RAC）」を構築した。
• レビュー長と主張変化の両者が有用性に与える影響を検証するため、インタラクション項を含む階層的線形モデルを用いた。
• 結果の妥当性を検証するため、中立文を含む代替のRAC定義と混合効果トビット回帰モデルを用いた妥当性チェックを実施した。
• 製品の関与度（低関与 vs. 高関与）に基づいて分析を分割し、製品タイプが主張ダイナミクスに与える緩和効果を評価した。

実験結果

リサーチクエスチョン

• RQ1 長めのレビューの有用性は、主張変化の頻度に依存するか？
• RQ2 主張変化の頻度は、レビュー長が有用性に与える影響をどのように緩和するか？
• RQ3 高関与製品と低関与製品において、主張変化が有用性に与える影響は異なるか？
• RQ4 文単位での主張パターンのNLPベースの検出は、レビューの有用性を信頼性高く予測できるか？
• RQ5 中立文の存在は、主張変化と有用性の関係を変えるか？

主な発見

• レビュー長と主張変化の交互作用は統計的に有意である（β = -0.169, p < 0.001）ことから、主張変化が頻発する場合、長めのレビューはより有用性が低いことが示された。
• 主張変化の頻度が高いと、認知的負荷と情報過多のため、長めのレビューの有用性が低下する。
• 主張変化そのものの係数も負で有意（β = -0.036, p < 0.001）であり、頻繁なシフトが独立して有用性の低下を引き起こしていることが示された。
• 低関与製品では、主張変化が有用性に与える影響がより顕著で、統計的に有意であるため、このような文脈では明確な意見の表明が好まれる傾向が強いと考えられる。
• 中立文を含む代替RAC定義と混合効果トビットモデルを用いた妥当性チェックにより、主な結果の安定性が確認された。
• 結果は、主張構造がレビューの有用性を決定づける重要な要因であるが、これまでにあまり注目されていなかった要因であることを示しており、レビュー長の万能的視点に挑戦するものである。