噪声中的信号：利用大语言模型解码航空公司服务质量的现实
信息检索
2026-03-06 v1 计算与语言
计算机与社会
摘要
传统的服务质量指标通常无法捕捉隐藏在非结构化在线反馈中的乘客满意度的细微驱动因素。本研究验证了一个旨在从此类数据中提取细粒度洞察的大语言模型(LLM)框架。通过分析埃及航空和阿联酋航空超过16,000条TripAdvisor评论（2016-2025年），该研究利用多阶段流水线对36个具体服务问题进行分类。分析揭示了埃及航空存在明显的“运营感知脱节”：尽管报告了运营改善，但乘客满意度在2022年后急剧下降（评分<2.0）。我们的方法识别出了传统指标遗漏的具体驱动因素——尤其是中断期间沟通不畅和员工行为——并指出了关键旅游市场的情绪恶化。这些发现证实了该框架作为强大诊断工具的有效性，通过将非结构化的乘客声音转化为可操作的战略情报，超越了传统的调查方法，为航空和旅游业提供了支持。
引用
@article{arxiv.2603.04404,
title = {Signal in the Noise: Decoding the Reality of Airline Service Quality with Large Language Models},
author = {Ahmed Dawoud and Osama El-Shamy and Ahmed Habashy},
journal= {arXiv preprint arXiv:2603.04404},
year = {2026}
}