使用链式密度提示进行移动应用评论概述

移动应用用户通常依赖应用商店的评级和评论来寻找符合自身需求的应用。然而，应用商店中评论的庞大数量会导致信息过载，从而阻碍用户做出明智的应用选择决策。为此，我们利用大型语言模型（LLM）对移动应用评论进行概述。具体而言，我们使用链式密度提示（Chain of Density, CoD）指导OpenAI GPT-4生成移动应用评论的抽象、语义密集且易于解释的概述。CoD提示经过工程设计，可迭代提取源文本中的关键实体并融合为固定长度概述。我们使用大型移动应用评论数据集评估了该方法的性能。进一步通过48名研究参与者的实证评估来评估生成概述的可读性。我们的结果表明，针对应用功能进行CoD提示的调整，提高了其从用户评论中提取关键主题的能力，并生成针对最终用户消费的自然语言概述。该提示方法还能在保持生成概述可读性的同时，提高其语义密度。本文的工作旨在通过为评论流中的重要用户反馈提供有效的概述机制，改善移动应用用户的体验。