Key points are not available for this paper at this time.
리뷰는 제품 구매 및 호텔 예약의 결정 과정에서 점점 더 중요한 역할을 하고 있습니다. 그러나 이용 가능 정보의 양이 많아 사용자를 혼란스럽게 할 수 있습니다. 가장 유용한 리뷰만 모으는 간결한 인터페이스는 정보 처리 시간을 줄이고 노력을 절약할 수 있습니다. 이러한 인터페이스를 실시간으로 만들기 위해서는 투표되지 않았으나 잠재적으로 유용한 새로운 리뷰를 분류하고 예측할 신뢰할 수 있는 예측 알고리즘이 필요합니다. 지금까지 이러한 유용성 예측 알고리즘은 길이 및 가독성 점수와 같은 구조적인 요소로부터 혜택을 받았습니다. 감정 단어는 우리의 서면 커뮤니케이션의 중심에 있으며 청중의 주의를 유발하는 강력한 요소이기 때문에, 감정 단어가 리뷰 텍스트의 유용성을 예측하는 중요한 매개변수로 작용할 수 있다고 믿습니다. 20가지 서로 다른 카테고리를 나타내는 모델과 관련된 일반 감정 단어 어휘집인 GALC를 사용하여 리뷰 텍스트에서 감정성을 추출하고 감독된 분류 방법을 적용하여 감정 기반 유용한 리뷰 예측을 도출했습니다. 두 번째 기여로, 우리는 가장 잘 알려진 제품 리뷰 웹사이트에서 추출한 세 가지 서로 다른 실제 데이터 세트를 비교하는 평가 프레임워크를 제안합니다. 이 프레임워크는 감정 기반 방법이 구조 기반 접근 방식을 최대 9%까지 초월한다는 것을 보여줍니다.
Martin et al. (Sat,)는 이 질문을 연구했습니다.