Интересное сегодня
Введение
Онлайн-отзывы играют ключевую роль в принятии решений покупателями и служат важным источником информации для улучшения продукта. С развитием генеративных AI-технологий, таких как ChatGPT, возникает проблема достоверности отзывов, так как они могут быть сгенерированы искусственно для манипуляции мнением потребителей и дизайнеров. Для решения этой проблемы предложен метод многоуровневого анализа предпочтений пользователей, который включает обнаружение AI-генерированных отзывов и анализ предпочтений на уровне атрибутов и характеристик продукта.
Методология
Обнаружение AI-генерированных отзывов
Метод использует предобученные языковые модели для обнаружения AI-генерированных отзывов. Для этого применяется модель ELECTRA, которая включает генератор и дискриминатор. Генератор обучается с помощью метода маскированного языкового моделирования (MLM), а дискриминатор — с помощью метода замены токенов (RTD).
Многоуровневый анализ предпочтений
Анализ предпочтений на уровне атрибутов рассматривается как задача заполнения текста. Для этого используется метод доменно-адаптивного предобучения (DAPT), который позволяет переносить знания из одного домена в другой. Анализ на уровне характеристик продукта включает оценку важности различных характеристик с использованием метода случайного Lasso.
Эксперименты и результаты
Проведены эксперименты с использованием набора данных отзывов о роботах-пылесосах. Результаты показали высокую точность и надежность метода в обнаружении AI-генерированных отзывов и анализе предпочтений пользователей. В частности, метод показал средний F1-score 98.49% в задаче обнаружения AI-генерированных отзывов и 92.89% в задаче анализа предпочтений на уровне атрибутов.
Сравнения и эксперименты с малым числом примеров
Метод был сравнен с различными базовыми моделями, такими как BERT, ALBERT, RoBERTa, и показал превосходные результаты. Также были проведены эксперименты с малым числом примеров, которые подтвердили высокую точность метода даже при ограниченном количестве данных.
Заключение
Предложенный метод многоуровневого анализа предпочтений и обнаружения AI-генерированных отзывов показал высокую эффективность и надежность. Он может быть использован для оптимизации дизайна продукта и улучшения пользовательского опыта, а также для защиты от дезинформации и манипуляции мнением потребителей.
"В цифровую эпоху перед всеми участниками процесса разработки продукта и электронной коммерции стоит задача повышения ответственности и этичного подхода к использованию технологий."
