時間的センチメント集約による異常なユーザーフィードバックパターンの検出
arXiv cs.CL / 2026/4/3
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、各コメントを単独で扱うのではなく、ユーザの感情（センチメント）が時間とともにどのように変化するかをモデル化することで、顧客フィードバック監視や評判管理といった領域における異常検知を目的とする。
- 感情分析のための時間的集約フレームワークを提案し、事前学習済みトランスフォーマーモデル（特徴抽出器としてRoBERTaを使用）を用いて、コメント単位のセンチメントを時間窓（タイムウィンドウ）単位のスコアへと変換する。
- 集約されたセンチメントに大きな下向きのシフトが生じた場合を、悪意のあるレビューキャンペーンや急激な満足度低下といった出来事の兆候として解釈し、潜在的な異常をフラグ付けする。
- 実際のソーシャルメディアのデータセットに対する実験により、集約されたセンチメントのトレンドが、首尾一貫した不満パターンに整合する統計的に有意なセンチメント低下を検出でき、解釈可能な監視シグナルを提供できることが示される。
