利用客户评论处理复杂且主观的产品相关查询

在线评论通常是我们在考虑在线产品和购买时的第一求助对象。当评估潜在购买时，我们可能有特定查询，例如‘这个婴儿座椅能放进747头顶行李舱吗？’或‘如果我喜欢Taylor Swift的1989，我会喜欢这张专辑吗？’。要回答此类问题，我们必须要么浏览大量消费者评论希望找到相关的一条，要么通过问答系统直接向社区提出我们的问题。在本文中，我们希望融合这两种范式：给定大量先前已回答的关于产品的查询，我们希望自动学习产品的某条评论是否与给定查询相关。我们使用混合专家类型框架将其公式化为机器学习问题——此处每条评论是一个‘专家’，对特定查询的响应投票；同时我们学习一个相关性函数，使得‘相关’评论是那些投票正确的评论。在测试时，这种学习到的相关性函数允许我们按需呈现与新查询相关的评论。我们在一个新颖的语料库上评估我们的系统Moqa，该语料库包含140万问题（及答案）和1300万评论。我们从定量上显示它有效处理二值和开放式查询，从定性上显示它呈现的评论被人类评估者认为相关。