.png){kind=icon}
返回
Automating customer feedback analysis in E-commerce: A multi-Model approach
.png){kind=icon}
OA
AI
DOI：10.1016/j.eswa.2025.130865.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解电子商务中的客户满意度对企业的竞争力至关重要。尽管传统的反馈分析方法劳动密集且主观，但机器学习的进步使情感分析更加高效和可扩展。然而，现有模型在基于方面的情感分析（ABSA）方面存在困难，特别是在检测隐含方面和处理混合情感方面。本文提出了一种多模型机器学习流水线，通过整合微调的大型语言模型（LLMs）与BERT和RoBERTa基模型来增强ABSA。该流水线包括一个由LLM生成的合成标注反馈模型、一个基于BERT的方面检测模型、一个基于RoBERTa的ABSA模型，以及一个基于LLM的ABSA模型，用于处理隐含方面和混合情感。此外，还采用了一个基于RoBERTa的模型进行整体情感检测。通过利用手动标注和合成数据，该流水线提高了情感分类准确率和方面覆盖率，即使在数据稀缺的环境中也是如此。结果表明，与单模型方法相比，结合多个模型能提高检测准确率。本研究为电子商务反馈分析提供了一种可扩展且有效的解决方案，为企业改进客户体验和决策提供了宝贵见解。
Keyword:
Machine learning
Aspect-Based sentiment analysis
Customer feedback analysis
Large language models
E-Commerce
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
分享收藏Towards improving e-commerce customer review analysis for sentiment detection.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
分享收藏The growing importance of customer-centric support services for improving customer experience以客户为中心的支持服务对于改善客户体验的重要性日益提高
PREAI
分享收藏
查看更多内容