SentimentLens: Reconciling Sentiment and Ratings via Dual-Modality in the Hospitality Sector
Dieses Paper stellt SentimentLens vor, ein skalierbares System zur aspektbasierten Sentiment-Analyse, das unstrukturierte Hotelbewertungen durch die Abstimmung von textuellem Sentiment mit numerischen Bewertungen in handlungsrelevante Erkenntnisse transformiert, um Inkonsistenzen in der Servicequalität zu identifizieren und die datengestützte Entscheidungsfindung im Gastgewerbe zu unterstützen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen herauszufinden, welches Hotel in Sri Lanka der beste Ort für einen Aufenthalt ist. Sie haben zwei Hauptinformationsquellen:
- Die Sternebewertung: Eine einfache Zahl, wie zum Beispiel 4 von 5 Sternen. Sie ist schnell und einfach, aber sie ist wie eine zusammenfassende Schlagzeile. Sie vermittelt die allgemeine Stimmung, erklärt aber nicht das Warum hinter dieser Bewertung.
- Die schriftliche Rezension: Ein langer Absatz, in dem ein Gast sagt: „Das Personal war fantastisch, aber das Zimmer war schmutzig und der Buchungsprozess war ein Albtraum.“ Dies ist voller Details, aber es ist unordentlich, schwer zu lesen und unmöglich, tausende von Hotels allein durch Lesen miteinander zu vergleichen.
Das Problem
Hoteleigentümer und Tourismusplaner haben viele dieser unordentlichen Rezensionen (über 10.000 in dieser Studie), aber diese sind schwer in einen klaren Plan umzuwandeln. Wenn sie nur auf die Sterne schauen, übersehen sie vielleicht die Tatsache, dass ein Hotel eine 4-Sterne-Bewertung hat, aber das Essen schrecklich ist. Wenn sie nur den Text lesen, werden sie von der Menge an Wörtern überwältigt.
Die Lösung: SentimentLens
Die Autoren entwickelten ein Werkzeug namens SentimentLens. Betrachten Sie es als einen hochmodernen „Übersetzer“ und „Organisator“, der zwei Dinge gleichzeitig tut:
- Es liest die unordentlichen Textrezensionen und unterteilt sie in spezifische Themen (wie „Personal“, „Zimmerqualität“, „Essen“ oder „Lage“).
- Es prüft, wie die Menschen zu jedem spezifischen Thema standen (Positiv, Neutral oder Negativ).
- Es vergleicht diese detaillierte Textanalyse anschließend mit den einfachen Sternebewertungen, um zu sehen, ob sie dieselbe Geschichte erzählen.
Wie es funktioniert (Die Analogie)
Stellen Sie sich vor, ein Arzt diagnostiziert einen Patienten.
- Die Sternebewertung ist wie der Patient, der sagt: „Ich fühle mich okay, vielleicht eine 7/10.“
- Die Textrezension ist der Patient, der jede einzelne Symptomatik aufzählt: „Mein Knie tut weh, mein Kopf dreht sich, aber mein Appetit ist großartig.“
- SentimentLens ist der Arzt, der auf die Symptome hört, sie kategorisiert und sie dann mit dem „7/10“-Gefühl vergleicht. Wenn ein Patient sagt, er fühle sich „okay“ (hohe Bewertung), aber Schmerzen im Knie beschreibt (negative Textpassage über die Zimmer), erkennt der Arzt einen Konflikt. Das Werkzeug hilft dabei, diese verborgenen Probleme aufzuspüren, die eine einfache Zahl verbergen würde.
Was sie herausgefunden haben
Die Forscher wendeten dieses Werkzeug auf Hotels in allen neun Provinzen Sri Lankas an. Hier sind die wichtigsten Erkenntnisse:
- Die gute Nachricht: „Personal“ und „Lage“ sind die Superstars. Die Menschen lieben konsequent den freundlichen Service und die wunderschöne Landschaft im ganzen Land. Es ist das stärkste Kapital des Landes.
- Die schlechte Nachricht: „Zimmerqualität“ und der „Buchungsprozess“ sind die Schwachstellen. Selbst an Orten mit hohen Sternebewertungen beschweren sich Menschen über schmutzige Zimmer oder schwierige Check-ins.
- Die verborgenen Konflikte: In einigen Provinzen (wie der Nordprovinz) sahen die Sternebewertungen ordentlich aus, aber die Textrezensionen enthüllten, dass die Zimmer und Einrichtungen tatsächlich ziemlich schlecht waren. SentimentLens hat diese „Lüge“ aufgespürt, die die Sterne erzählten. Es ist wie bei einem Restaurant, das 5 Sterne für die Aussicht bekommt, aber das Essen kalt ist; das Werkzeug erkennt, dass das Essen das eigentliche Problem ist.
- Regionale Unterschiede: Einige Provinzen (wie die Ost- und Zentralprovinz) schneiden in allen Bereichen gut ab. Andere (wie die Nord- und Sabaragamuwa-Provinz) weisen große Lücken auf, in denen sie ihre Zimmer und ihr Essen verbessern müssen, um ihren Sternebewertungen gerecht zu werden.
- Hoteltypen: Das Werkzeug gruppierte die Hotels in drei „Archetypen“ (Typen):
- Premium: Hervorragend in allem, einschließlich der langweiligen Dinge wie der Buchung.
- Mittelklasse: Gutes Personal und gute Lage, aber die Zimmer und der Buchungsprozess sind nur „okay“.
- Kämpfend: Schlechte Leistung in fast allen Bereichen, insbesondere bei den Zimmern.
Das Fazit
SentimentLens beweist, dass man nicht nur nach der Sternebewertung schauen kann, um die Qualität eines Hotels zu verstehen. Man muss den spezifischen Beschwerden im Text zuhören. Indem man den „schnellen Score“ mit der „detaillierten Geschichte“ kombelt, können Hotelmanager genau sehen, wo sie ansetzen müssen – etwa bei der Erkenntnis, dass während ihr Personal großartig ist, sie Geld in bessere Matratzen oder eine reibungslosere Website investieren müssen.
Die Studie zeigt, dass diese Methode für Sri Lanka funktioniert, aber das Werkzeug selbst ist so gebaut, dass es überall dort eingesetzt werden kann, wo Menschen Bewertungen und Ratings hinterlassen, um Unternehmen dabei zu helfen, unordentliches Feedback in klare, umsetzbare Schritte zu verwandeln.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.