从歌曲评论中生成贴士：一个新数据集与框架
信息检索
2022-05-31 v2 计算与语言
摘要
歌曲评论在在线音乐服务平台中扮演重要角色。先前研究表明，当用户看到有意义的歌曲评论时能更快做出更明智的决定。然而，音乐歌曲的评论通常篇幅较长，且大多对用户无信息量。用户难以高效获取用于决策的有意义信息。为解决此问题，一种实用策略是提供贴士，即关于歌曲的简短、简洁、具同理心且自包含的描述。贴士由歌曲评论生成，应表达关于歌曲的非平凡见解。据我们所知，此前尚无研究探索音乐领域的贴士生成任务。本文中，我们为该任务创建了名为 MTips 的数据集，并提出名为 GENTMS 的框架用于从歌曲评论自动生成贴士。该数据集包含来自 5 种不同歌曲流派的 128 首歌曲的 8,003 条中文贴士/非贴士。实验结果显示 GENTMS 的 top-10 精确率达 85.56%，比基线模型至少高出 3.34%。此外，为模拟我们提出框架的实际使用，我们还对先前未见的歌曲进行了实验，期间 GENTMS 也以平均 78.89% 的 top-10 精确率取得最佳性能。结果证明了所提框架在音乐领域贴士生成中的有效性。
引用
@article{arxiv.2205.06985,
title = {Generating Tips from Song Reviews: A New Dataset and Framework},
author = {Jingya Zang and Cuiyun Gao and Yupan Chen and Ruifeng Xu and Lanjun Zhou and Xuan Wang},
journal= {arXiv preprint arXiv:2205.06985},
year = {2022}
}