Combinação de recursos neurais e semânticos na análise do apoio no feedback on-line dos clientes

Resumo

Nos últimos dez anos, houve um aumento notável no número de pessoas que acessam a Internet. As avaliações positivas servem como evidência social, convencendo os futuros compradores da qualidade e das vantagens do produto. Elas podem afetar as decisões de compra, oferecendo informações reais sobre o usuário. Boas avaliações aumentam a confiança e a reputação de um produto ou marca. Os clientes estão mais inclinados a comprar de uma empresa que tenha recebido excelente feedback, pois isso demonstra confiabilidade e satisfação. As avaliações podem ser consideradas conteúdo gerado pelo usuário, pois enfatizam diferentes aplicações, recursos ou vantagens associadas a um produto. Esse material tem o potencial de persuadir compradores indecisos. O site do Yelp foi utilizado para coletar dados de feedback de todos os restaurantes asiáticos da cidade de Nova York, que foram treinados e avaliados por meio de três modelos diferentes, como o Navie Bayes, o próximo é o Logistic Regression e, por fim, o Support Vector Classifiers. O classificador de regressão logística superou os outros por ter a menor proporção de erros e a maior área sob a curva ROC, conhecida como AUC na curva ROC (receiver operating characteristic curve). As percepções comerciais foram obtidas pelo reconhecimento da existência de frases altamente significativas e pelo contraste do desempenho delas com as probabilidades universais quando o sistema de aprendizado de máquina recebeu dados de avaliação do meu restaurante.