政府のモバイルバンキングアプリのレビューに対する英語・ベンガル語の感情分類のためのマルチモデルアプローチ

要旨: 開発途上国の何百万人もの利用者にとって、金融サービスへの主要な入口であるモバイルバンキングの「アプリ品質」は、金融アクセスを直接左右する。本研究では、バングラデシュ政府の銀行アプリ4件を対象に、英語とバングラ語（生のレビュー11,414件からフィルタリング）で書かれたGoogle Playのレビュー5,652件を分析した。著者らは、各レビューに対する投稿者の星評価の利用と、別個に独立させたXLM-RoBERTa分類器を組み合わせるハイブリッドなラベリング手法を用い、中程度の手法間一致を得た（kappa = 0.459）。従来型モデルがトランスフォーマーベースのものを上回った。ランダムフォレストは最高精度（0.815）を達成し、一方で線形SVMは最高の加重F1スコア（0.804）を得た。これらはいずれも、微調整したXLM-RoBERTaの性能（0.793）より高かった。McNemar検定により、すべての古典的モデルが、市販のXLM-RoBERTaよりも有意に優れていることが確認された（p < 0.05）。一方で、微調整バリアントとの違いは統計的に有意ではなかった。DeBERTa-v3を適用して、4つのアプリに関するレビュー全体で、アスペクト（観点）レベルのセンチメントを分析した。投稿者らは主に、取引のスピードと、インターフェースの設計が不十分であることに不満を表明していた。eJanataアプリは、すべてのアプリにおいて投稿者から最も低い評価を受けた。これらの知見に基づき、アプリ品質の是正、信頼を中心に据えたリリース管理、バングラ語を優先するNLP導入の3つの政策提言が行われている。データに基づく方法により、国営銀行がデジタルサービスの改善へと進むことを支援することが目的である。注目すべき点として、バングラ語と英語テキストの間で生じた16.1パーセンテージポイントの精度差は、低リソース言語モデルの開発が必要であることを示している。