基于产品建模的评论问题生成研究
问题自动生成是自然语言处理领域的一个研究热点,旨在从文本中生成自然问句.随着电子商务的不断发展,网络上产生了大量关于产品的评论.面对海量的评价信息,如何快速挖掘产品信息相关的关键评价,从而生成与产品各个层面息息相关的问答数据具有极大的研究价值,这对商家和顾客都具有极大的意义.现有的问题生成模型大多针对阅读理解类型等长文本语料,采用端到端序列化生成模型.然而,针对基于产品评论等短文本的问题生成任务,现有的模型无法将用户和商家重点关注的商品特性纳入学习过程.为了使生成的问题更加符合商品的特性,文中提出了基于产品建模的评论问题生成模型,通过与产品属性识别进行联合学习训练,使模型在解码层面加强了对特征信息的关注.与现有的问题生成模型相比,该模型不仅能解决产品数据口语化严重的问题,还能加强产品属性的识别能力,从而使生成的问题更加具体,更符合商品的特征.文中在京东与亚马逊产品评论数据集上同时进行实验,结果表明,在基于评论等短文本生成问题的任务上,与目前已有的问题生成模型相比,所提模型取得了较大的性能提升.基于中文京东数据集的实验中,所提模型的BLEU值提升了3.26％,ROUGE值提升了2.33％;基于英文亚马逊数据集的实验中,所提模型的BLEU值提升了2.01％,ROUGE值提升了2.10％.
问题生成;指针模型;注意力机制;联合学习;属性抽取
49
TP391.1(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2022-03-07（万方平台首次上网日期，不代表论文的发表时间）
共7页
272-278
