少即是多：在产品问答中拒绝不可靠评论

及时准确地回答产品问题对电子商务应用非常重要。人工回答产品问题（例如在社区问答平台上）会导致响应缓慢且无法扩展。最近的研究表明，产品评论是实时、自动化产品问答（PQA）的良好来源。在文献中，PQA 被表述为一个检索问题，目标是搜索最相关的评论来回答给定的产品问题。在本文中，我们关注使用评论进行 PQA 时的可回答性和答案可靠性问题。我们的调查基于这样的直觉：许多问题可能无法用有限的评论集来回答。当问题无法回答时，系统应返回空答案，而不是提供一系列不相关的评论，否则会对用户体验产生显著的负面影响。此外，对于可回答的问题，结果中应仅包含回答该问题的最相关评论。我们提出了一个基于保形预测的框架来提高 PQA 系统的可靠性，在该框架中我们拒绝不可靠的答案，使得返回的结果在回答产品问题时更加简洁和准确，包括对不可回答的问题返回空答案。在一个广泛使用的 Amazon 数据集上的实验显示了我们所提出框架的令人鼓舞的结果。更广泛地说，我们的结果展示了保形方法在检索任务中一种新颖且有效的应用。