基于用户评论的电商查询式生成

随着电商平台商品数量的增长，用户倾向于参考其他购物者的评论来决定购买哪款产品。然而，面对某产品的大量评论，用户往往不得不花费大量时间浏览谈论他们不关心的产品属性的评论。我们希望建立一个能够自动总结并回答用户特定产品问题的系统。在本研究中，我们提出了一种新颖的基于seq2seq的文本生成模型，基于先前用户发布的评论生成对用户问题的回答。给定用户问题和/或目标情感极性，我们提取感兴趣方面并生成总结先前相关用户评论的回答。具体而言，我们的模型在编码期间对输入评论与目标方面进行注意力计算，并在解码期间以评论评分和输入上下文为条件。我们还引入一个预训练的辅助评分分类器以提升模型性能并加速训练收敛。使用真实世界电商数据集的实验表明，与先前提出的模型相比，我们的模型在性能上取得了提升。