通过读者感知主题建模与显著性检测生成多样化评论

自动评论生成是一项特殊且具挑战性的任务，用于验证模型在新闻内容理解与语言生成上的能力。评论不仅传达新闻文章中的显著且有趣信息，还隐含多样且不同的读者特征，我们将其视为多样性的关键线索。然而，大多数评论生成方法仅关注显著性信息提取，而忽略了评论所隐含的读者感知因素。为解决此问题，我们提出统一的读者感知主题建模与显著性信息检测框架以提升生成评论的质量。对于读者感知主题建模，我们设计了一种变分生成聚类算法，用于从读者评论中进行潜在语义学习与主题挖掘。对于显著性信息检测，我们引入对新闻内容的伯努利分布估计以选择显著性信息。所获得的主题表示以及所选显著性信息被整合进解码器以生成多样化且信息丰富的评论。在三个数据集上的实验结果表明，我们的框架在自动指标与人工评估上均优于现有基线方法。潜在的伦理问题也进行了详细讨论。