AmazonQA：一项基于评论的问答任务

每天都有数千名客户在亚马逊产品页面上发布问题。一段时间后，如果幸运的话，一位知识渊博的客户可能会回答他们的问题。观察到许多问题可以基于可用的产品评论来回答，我们提出了基于评论的问答任务。给定一组评论语料和一个问题，问答系统综合出一个答案。为此，我们引入了一个新数据集，并提出了一种方法，该方法结合了用于选择相关评论（给定问题）的信息检索技术和用于综合答案（给定问题和评论）的“阅读理解”模型。我们的数据集包含来自 156k 个产品的 923k 个问题、3.6M 个答案和 14M 条评论。基于著名的亚马逊数据集，我们收集了额外的标注，将每个问题标记为基于可用评论可回答或不可回答。一个已部署的系统可以首先将一个问题分类为可回答，然后尝试生成答案。值得注意的是，与许多流行的问答数据集不同，这里的问答、段落和答案都提取自真实的人类交互。我们评估了众多用于答案生成的模型，并提出了强基线，展示了这一新任务的挑战性。