利用深度学习提升电子服务质量：基于房地产网站的应用
计算机视觉与模式识别
2024-08-14 v1 机器学习
摘要
电子服务质量（E-SQ）是成功的电子服务的战略性指标。在服务质量维度中， tangibility 常被忽视。然而，通过融合视觉元素或具体工具，可以平衡电子服务的非具体性。得益于深度学习在计算机视觉方面的进步，具体的视觉特征如今可被用于提升电子服务的浏览和搜索体验。用户通常会有特定的搜索标准，但大多数服务不会提供灵活的搜索筛选器。本研究强调在提升电子服务的具体性和效率方面，整合视觉特征与描述性特征的重要性。房地产网站就是一个可以从这一点中获益的电子服务实例。寻找符合用户偏好的房地产属性通常具有挑战性，且缺乏视觉筛选器，如房产的损坏程度。本研究引入了一种新颖的视觉描述性特征——损坏程度（Damage Level），其利用深度学习网络 Mask-RCNN 来估计房地产图像中的损坏情况。此外，开发了一个模型，将损坏程度作为电子房地产服务的具体特征，旨在提升具体客户体验。
引用
@article{arxiv.2408.06364,
title = {Using deep learning to enhance electronic service quality: Application to real estate websites},
author = {Samaa Elnagar},
journal= {arXiv preprint arXiv:2408.06364},
year = {2024}
}