面向金融科技组织的短语增强无监督摘要生成

随着社交媒体的近期发展，NLP 技术在社交媒体数据分析中的使用已成为一个新兴的研究方向。商业组织尤其可以从此类社交媒体话语分析中受益，提供关于消费者行为的外部视角。某些 NLP 应用，如意图检测、情感分类、文本摘要，可帮助金融科技（FinTech）组织利用社交媒体语言数据发现有用的外部洞察，并可进一步用于下游 NLP 任务。特别是，突出用户意图和情感的摘要对这些组织获取外部视角非常有用。这种外部视角可帮助组织更好地管理其产品、优惠、促销活动等等。然而，某些挑战，例如缺乏带标签的特定领域数据集，阻碍了这些任务在金融科技领域的进一步探索。为克服这些挑战，我们设计了一种基于无监督短语的社交媒体数据摘要生成方法，使用“动作-对象”对（意图短语）。我们针对各类 Reddit 讨论线程的不同摘要中所包含的上下文信息，将所提方法与其他基于关键短语的摘要生成方法进行了评估。我们引入了若干“上下文度量”，如唯一词数量、动作-对象对和名词块，以评估这些基于短语的摘要从源文本中检索到的上下文信息。我们证明我们的方法在这些度量上显著优于基线，从而提供了其有效性的定性和定量度量。所提出的框架已被用作 Amex 内部托管的 Web 实用门户。