利用多源先验知识生成电商场景下针对客户评论的说服性回复

客户评论通常包含大量关于用户在线购物体验的信息。正面评论对店铺有益，而负面评论会在很大程度上影响消费者决策并可能导致销量下滑。因此，认真且具说服力地回复每一条负面评论并最小化其不利影响至关重要。近期研究考虑利用生成模型来帮助卖家进行回复。然而，该问题尚未得到很好解决，因为评论可能包含多方面的待处理问题，需要相应且具说服力地解决。在本工作中，我们提出一种用于说服性回复生成的多源多方面注意力生成模型。所提模型恰当获取并利用多种信息源，以生成更具信息量和说服力的回复。我们提出一个多方面注意力网络，自动关注评论中的不同方面，并确保大多数问题得到处理。在两个真实世界数据集上的大量实验表明，我们的方法优于当前最优方法，且在线测试证明我们部署的系统显著提升了店铺处理负面评论的效率。