电商问答的有意义答案生成

在电子商务门户中，为产品相关问题生成答案已成为一项关键任务。在本文中，我们关注产品感知答案生成任务，该任务从大规模无标注电商评论和产品属性中学习生成准确且完整的答案。然而，安全答案问题对文本生成任务构成了重大挑战，电商问答任务也不例外。为生成更有意义的答案，本文提出一种新颖的生成式神经模型，称为有意义产品答案生成器(MPAG)，其通过考虑产品评论、产品属性和原型答案来缓解安全答案问题。产品评论和产品属性用于提供有意义的内容，而原型答案可产生更多样化的答案模式。为此，我们提出一种带有评论推理模块和原型答案读取器的新型答案生成器。我们的核心思想是从大规模评论集合中获取正确的问题感知信息，并学习如何从已有原型答案写出连贯且有意义的答案。更具体地，我们提出由选择性写入单元组成的读写记忆，以在这些评论间进行推理。随后我们采用由综合匹配组成的原型读取器，从原型答案中提取答案骨架。最后，我们提出答案编辑器，以问题和上述部分作为输入生成最终答案。在从电商平台收集的真实数据集上进行的广泛实验表明，我们的模型在自动指标和人工评估两方面均达到了最先进的性能。人工评估还表明，我们的模型能持续生成具体且恰当的答案。