抽取式观点标签生成
计算与语言
2021-01-26 v2
摘要
在电子商务中，观点标签指由电商平台提供的、反映某商品评论特征的排序标签列表。为帮助消费者快速掌握某商品的大量评论，电商平台正越来越多地应用观点标签。当前生成观点标签的机制依赖人工标注或启发式方法，耗时且低效。本文提出抽取式观点标签生成任务，要求系统自动生成基于给定用户评论集合、但无需出现于其中的排序观点标签列表。该任务面临三个主要挑战：（1）评论的噪声性质；（2）观点标签的正式性 vs. 评论中的口语化语言使用；（3）需区分具有极相似方面的不同商品。为应对这些挑战，我们提出名为 AOT-Net 的抽取式观点标签生成框架，以在给定大量评论时生成排序观点标签列表。首先，句子级显著性估计组件估计每条评论的显著性分数。接着，评论聚类与排序组件分两步对评论排序：先将评论分组为簇并按簇大小排序；然后，按各簇内评论到簇中心的距离排序。最后，给定排序后的评论，一个秩感知观点标签生成组件引入对齐特征与对齐损失来生成排序观点标签列表。为推进该任务研究，我们创建并发布了一个从真实电商网站爬取的大规模数据集 eComTag。在 eComTag 数据集上的大量实验从多种评价指标验证了所提 AOT-Net 的有效性。
引用
@article{arxiv.2101.06880,
title = {Abstractive Opinion Tagging},
author = {Qintong Li and Piji Li and Xinyi Li and Zhaochun Ren and Zhumin Chen and Maarten de Rijke},
journal= {arXiv preprint arXiv:2101.06880},
year = {2021}
}
备注
Accepted by WSDM 2021