MOSAIC: アスペクト識別とクラスタリングを用いたモジュラー意見要約

要旨: レビューはオンラインマーケットプレイスで旅行者が製品を評価する上で中心的な役割を果たしますが、既存の要約研究は往々にしてエンドツーエンドの品質を強調する一方で、ベンチマークの信頼性や粒度の洞察の実用性を見落としがちです。これに対処するため、私たちは MOSAIC を提案します。産業展開を想定したスケーラブルでモジュール式のフレームワークであり、要約を解釈可能な構成要素に分解します。これにはテーマ発見、構造化された意見抽出、根拠付き要約生成が含まれます。私たちはオンラインの A/B テストを通じてアプローチの実用的影響を検証し、ライブの製品ページ上で中間的な出力を提示することが顧客体験を改善し、完全な要約展開前でも測定可能な価値をもたらすことを示します。さらに、要約の強力なベースラインと比較して MOSAIC が優れたアスペクト網羅性と忠実度を達成することを示す広範なオフライン実験を実施します。重要な点として、システムレベルのコンポーネントとして意見クラスタリングを導入し、それが忠実度を著しく高めることを示します。特に、ユーザーレビューに典型的なノイズと冗長性のある条件下で効果を発揮します。最後に、標準的な SPACE データセットの信頼性の限界を特定し、より頑健な評価を可能にする新しいオープンソースのツアー体験データセット TRECS を公開します。