基于上下文知识的移动应用评论回复自动生成

移动应用的用户体验是影响用户量和应用收益的重要因素。为保障良好用户体验并辅助应用开发，已有若干研究致力于分析应用评论——一类直接反映用户对应用看法的应用仓库。准确回复应用评论是缓解用户顾虑从而改善用户体验的途径之一。然而，现有方法的回复质量依赖于其他工具预提取的特征，包括人工标注关键词与预测的评论情感，这可能妨碍方法的通用性与灵活性。本文提出一种新颖的端到端神经网络方法 CoRe，其自然融入上下文知识且不涉及外部工具。具体而言，CoRe 在训练语料中整合两类上下文知识，包括应用商店的官方应用描述与检索到的语义相似评论的回复，以提升生成评论回复的相关性与准确性。在真实评论数据上的实验表明，CoRe 在广泛使用的文本生成系统精度指标 BLEU-4 上比最先进方法高出 11.53%。