Vorhersage hilfreicher Bewertungen mittels Emotionen-Extraktion

Bewertungen spielen eine zunehmend wichtige Rolle im Entscheidungsprozess beim Kauf von Produkten und der Buchung von Hotels. Die große Menge an verfügbaren Informationen kann jedoch verwirrend für die Nutzer sein. Eine prägnantere Benutzeroberfläche, die nur die hilfreichsten Bewertungen zusammenfasst, kann die Informationsverarbeitungszeit reduzieren und Aufwand sparen. Um eine solche Schnittstelle in Echtzeit zu schaffen, benötigen wir zuverlässige Vorhersagealgorithmen, um neue Bewertungen zu klassifizieren und vorherzusagen, die noch nicht bewertet wurden, aber potenziell hilfreich sind. Bisher haben solche Vorhersagealgorithmen für die Hilfreichkeit von strukturellen Aspekten profitiert, wie z. B. der Länge und dem Lesbarkeitsindex. Da emotionale Wörter im Mittelpunkt unserer schriftlichen Kommunikation stehen und stark dazu beitragen, die Aufmerksamkeit der Zuhörer zu erregen, glauben wir, dass emotionale Wörter als wichtige Parameter zur Vorhersage der Hilfreichkeit von Bewertungstexten dienen können. Mit GALC, einem allgemeinen Lexikon emotionaler Wörter, das mit einem Modell verbunden ist, das 20 verschiedene Kategorien repräsentiert, haben wir die Emotionalität aus dem Bewertungstext extrahiert und eine überwachte Klassifikationsmethode angewendet, um die emotionsbasierte Vorhersage hilfreicher Bewertungen abzuleiten. Als zweiter Beitrag schlagen wir einen Bewertungsrahmen vor, der drei verschiedene reale Datensätze vergleicht, die von den bekanntesten Produktbewertungs-Websites stammen. Dieser Rahmen zeigt, dass emotionsbasierte Methoden die strukturbasierte Herangehensweise um bis zu 9 % übertreffen.