Il settore della bellezza a livello globale è in rapida espansione e i consumatori si affidano sempre di più alle recensioni online per ottenere informazioni su sicurezza, efficacia e idoneità personale dei prodotti. Poiché l’efficacia dei cosmetici varia in funzione del tipo di pelle e dello scopo del prodotto, le esperienze indirette di recensori con caratteristiche simili possono influenzare fortemente le decisioni d’acquisto.
Il celere aumento delle recensioni online rende, tuttavia, difficile per i clienti identificare quelle realmente utili. La previsione automatica dell’utilità della recensione (RHP) è, dunque, diventata un’importante area di ricerca: può classificare le recensioni preziose in modo elevato e garantire ai potenziali acquirenti informazioni più pertinenti, incentivando le vendite di beni di consumo e l’utilizzo dei servizi.
Recensioni online dei cosmetici con deep learning
Gli studi precedenti possono essere ampiamente suddivisi in approcci basati sul machine learning e approcci fondati sul deep learning. I modelli di machine learning forniscono interpretabilità attraverso funzionalità strutturate e personalizzate, mentre quelli di deep learning acquisiscono automaticamente rappresentazioni semantiche e contestuali con maggiore flessibilità e accuratezza.
La maggior parte delle ricerche precedenti si è, inoltre, concentrata su e-commerce, ospitalità e turismo in generale, con scarsa attenzione alle caratteristiche uniche del comparto della bellezza.
Il presente lavoro, pubblicato su IEEE Access, combina i punti di forza complementari di entrambi i paradigmi e sviluppa un modello ibrido specifico per dominio, in grado di mantenere l’interpretabilità e la consapevolezza del dominio delle tecnologie di machine learning, sfruttando al contempo la potenza rappresentativa dei sistemi di deep learning.
Nello specifico, il modello integra il contenuto della recensione, il recensore e gli attributi del prodotto, comprese le funzionalità di divulgazione dell’identità del recensore, per riflettere efficacemente i processi decisionali del settore della bellezza.
Contributi teorici e valore pratico
Lo studio soprariportato offre contributi teorici e valore pratico per l’industria della bellezza e supporta la previsione interpretabile dell’utilità delle recensioni online basate sul deep learning.
I risultati ottenuti confermano che la combinazione dell’interpretabilità basata sul machine learning con la rappresentazione semantica fondata sul deep learning migliora le prestazioni predittive, assicurando contemporaneamente un quadro di valutazione pratico adatto al settore della bellezza. Il modello proposto unifica efficacemente informazioni semantiche e strutturate, raggiungendo un equilibrio tra accuratezza, interpretabilità e applicabilità.
Adattare la progettazione del modello alle caratteristiche del dominio è essenziale per comprendere i fattori che influenzano l’utilità della revisione e fornire indicazioni pratiche per valutazioni future sulla modellazione specifica del dominio. I prossimi lavori dovrebbero sviluppare framework multimodali che integrino informazioni testuali, strutturali e visive.
Kim S, Park S, Li X, Kim J, A Deep Learning-Based Review Helpfulness Prediction System for Online Beauty Products, in IEEE Access, vol. 13, pp. 202049-202061, 2025, doi: 10.1109/ACCESS.2025.3638451
