基于多重语义关系建模的产品相关问题答案排序
信息检索
2020-06-30 v1
摘要
许多电子商务网站现提供商品专属问答平台，供用户在线购物时通过发帖与回答问题相互交流。然而普通用户提供的多个答案质量参差不齐，因此需对每个问题恰当排序以提升用户满意度。可观察到商品评论通常为给定问题提供有用信息，从而可辅助排序过程。本文研究产品相关问题的答案排序问题，将相关评论作为可 exploited 以 facilitat 排序的辅助信息。我们提出名为 MUSE 的答案排序模型，其细致建模了问题、答案与相关评论间的多重语义关系。具体而言，MUSE 以问题、各答案与各评论片段为节点构建多语义关系图。随后设计定制图卷积神经网络，显式建模问题与答案间的语义相关性、答案间的内容一致性，以及答案与评论间的文本蕴含关系。在跨三个商品类别的真实电商数据集上的大量实验表明，我们所提模型在所指答案排序任务上取得优越性能。
引用
@article{arxiv.2006.15599,
title = {Answer Ranking for Product-Related Questions via Multiple Semantic Relations Modeling},
author = {Wenxuan Zhang and Yang Deng and Wai Lam},
journal= {arXiv preprint arXiv:2006.15599},
year = {2020}
}
备注
Accepted by SIGIR 2020