New Product Development (NPD) through Social Media-based Analysis by Comparing Word2Vec and BERT Word Embeddings

要約

タイトル：ワード2ベクトルとBERTワードエンベッディングの比較を通じたソーシャルメディアベースの新製品開発（NPD）

要約：

– ツイートの感情と意見の分類のための新しい方法を紹介する研究である。
– ワードエンベッディング技術であるWord2VecとBERTを用いて、限られたデータにおける感情分析と意見検出の機械学習およびディープラーニングアルゴリズムの入力として評価された。
– 結果は、バランスランダムフォレストと組み合わせたBERTワードエンベッディングがユースケースにおいて、感情分析と意見検出の両方に対して最も正確な単一モデルを提供することを示した。
– さらに、同じ感情を持つツイートのワードグラフ解析を実行して、改善の可能性のある分野を強調することで、将来の製品開発のフィードバックを提供する。

要約(オリジナル)

This study introduces novel methods for sentiment and opinion classification of tweets to support the New Product Development (NPD) process. Two popular word embedding techniques, Word2Vec and BERT, were evaluated as inputs for classic Machine Learning and Deep Learning algorithms to identify the best-performing approach in sentiment analysis and opinion detection with limited data. The results revealed that BERT word embeddings combined with Balanced Random Forest yielded the most accurate single model for both sentiment analysis and opinion detection on a use case. Additionally, the paper provides feedback for future product development performing word graph analysis of the tweets with same sentiment to highlight potential areas of improvement.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI