Assessing Guest Nationality Composition from Hotel Reviews

要約

多くのホテルは、ゲストの個人的な好みやニーズを最大限に予測するために、ゲスト獲得の取り組みを特定の市場に向けています。
同様に、このような戦略的な位置付けは、効率的なマーケティング予算配分の前提条件です。
公式統計ではさまざまな国からの訪問者数が報告されていますが、個々の企業の宿泊客の構成に関する詳細な情報は存在しません。
しかし、競合他社、サプライヤー、研究者、一般大衆からそのようなデータに対する関心が高まっています。
個々のビジネスのゲスト構成のダイナミクスを動的に評価および監視するために、機械学習を活用して非構造化テキストレビューからゲストの国籍への参照を抽出する方法を示します。
特に、事前トレーニングされた埋め込みとスタックされた LSTM 層のかなり単純なアーキテクチャが、より複雑な最先端の言語モデルよりも優れたパフォーマンスと実行時のトレードオフを提供することを示します。

要約(オリジナル)

Many hotels target guest acquisition efforts to specific markets in order to best anticipate individual preferences and needs of their guests. Likewise, such strategic positioning is a prerequisite for efficient marketing budget allocation. Official statistics report on the number of visitors from different countries, but no fine-grained information on the guest composition of individual businesses exists. There is, however, growing interest in such data from competitors, suppliers, researchers and the general public. We demonstrate how machine learning can be leveraged to extract references to guest nationalities from unstructured text reviews in order to dynamically assess and monitor the dynamics of guest composition of individual businesses. In particular, we show that a rather simple architecture of pre-trained embeddings and stacked LSTM layers provides a better performance-runtime tradeoff than more complex state-of-the-art language models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google