[論文レビュー] Understanding the Role of Two-Sided Argumentation in Online Consumer Reviews: A Language-Based Perspective

Bernhard Lutz, Nicolas Pröllochs+1 more|arXiv (Cornell University)|Oct 25, 2018

Digital Marketing and Social Media参考文献 18被引用数 4

ひとこと要約

本研究では、分散表現とマルチインスタンス学習を用いた言語ベースのアプローチを提案し、オンライン消費者レビューにおける両面的主張の測定を試みた。その結果、バランスの取れたレビューは、特に肯定的レビューにおいて、評価された有用性を顕著に向上させることを明らかにした。一方、感情的な言語はこの効果を弱める傾向にあった。

ABSTRACT

This paper examines the effect of two-sided argumentation on the perceived helpfulness of online consumer reviews. In contrast to previous works, our analysis thereby sheds light on the reception of reviews from a language-based perspective. For this purpose, we propose an intriguing text analysis approach based on distributed text representations and multi-instance learning to operationalize the two-sidedness of argumentation in review texts. A subsequent empirical analysis using a large corpus of Amazon reviews suggests that two-sided argumentation in reviews significantly increases their helpfulness. We find this effect to be stronger for positive reviews than for negative reviews, whereas a higher degree of emotional language weakens the effect. Our findings have immediate implications for retailer platforms, which can utilize our results to optimize their customer feedback system and to present more useful product reviews.

研究の動機と目的

• オンライン消費者レビューにおける両面的主張が、言語的視点から評価された有用性に与える影響を調査すること。
• 従来の研究が星評価などの構造化されたデータに焦点を当てている一方で、レビューのテキスト内容を無視するというギャップを是正すること。
• レビューのテキストにおいて文単位で主張の極性を検出・定量化するための新規手法を開発すること。
• レビューの感情的言語強度に応じて、両面的主張の影響がどのように変化するかを検討すること。

提案手法

• レビューのテキストにおける文単位の意味を表現するため、分散表現（例：単語埋め込み）を用いる。
• ラベル付きのレビュー断片との文脈的類似度に基づき、マルチインスタンス学習を用いて文に極性ラベル（肯定／否定）を割り当てる。
• 同一レビュー内に肯定的および否定的センチメントのセグメントが存在する状況を、両面的主張として定式化する。
• 実証分析に用いる大規模コーパスとして、スマートフォンおよび周辺機器に関する192,189件のアマゾンレビューを活用する。
• 階層的線形モデルを用いて、両面的主張がレビューの有用性に与える影響を検証し、センチメント、感情的言語、レビュー長を制御要因とする。
• 感情的言語の影響を評価するため、既存のNLP指標を用いて感情的言語を測定し、その調節効果を分析する。

実験結果

リサーチクエスチョン

• RQ1 オンライン消費者レビューにおける両面的主張は、その評価された有用性にどのように影響を与えるか？
• RQ2 両面的主張の有用性への影響は、肯定的レビューと否定的レビューで異なるか？
• RQ3 感情的言語は、両面的主張とレビューの有用性の関係をどの程度調節するか？
• RQ4 分散表現とマルチインスタンス学習を用いることで、非構造化レビューのテキストにおいて、両面的主張を信頼性高く検出・定量化できるか？

主な発見

• 両面的主張は、オンライン消費者レビューの評価された有用性を顕著に向上させる。
• 両面的主張の肯定的影響は、否定的レビューに比べて肯定的レビューにおいてより強い。
• 感情的言語の度合いが高くなるほど、両面的主張による有用性向上効果が弱まる。
• 最終モデルの決定係数（R-squared）は0.2251に達し、有用性の説明力が中程度から高い水準にあることを示している。
• 本研究は、感情の極性の度合いだけでなく、テキストの主張構造そのものが情報受容に重要な役割を果たすことを確認した。
• 診断的で事実に基づいたレビュー、すなわち利点と欠点がバランスされたレビューは、消費者にとってより信頼性が高く、有用であると示唆された。