MOSAIC：基于主题识别与聚类的模块化意见摘要
计算与语言
2026-03-23 v1 机器学习
摘要
评论是旅游者评估线上市场产品的核心方式，而现有摘要研究常侧重端到端质量，忽视基准可靠性和粗粒度洞察的实际实用性。为此，我们提出 MOSAIC—a 可扩展且模块化的框架，专为工业部署设计，将摘要分解为可解释组件，包括主题发现、结构化意见抽取和扎实的摘要生成。我们通过在线 A/B 测试验证了方法的实际影响，结果表明在输出中间结果后，用户体验得到改善，甚至在完整摘要部署之前即可实现可衡量的价值。我们进一步开展大量离线实验，表明 MOSAIC 在主题覆盖度和忠实性方面均优于强大的摘要 baseline。关键的是，我们引入意见聚类作为系统级组件，证明其在用户评论常见的噪声与冗余条件下显著提升了忠实性。最后，我们识别了标准 SPACE 数据集的可靠性局限，并发布了新的开源旅游体验数据集（TRECS），以实现更稳健的评估。
引用
@article{arxiv.2603.19277,
title = {MOSAIC: Modular Opinion Summarization using Aspect Identification and Clustering},
author = {Piyush Kumar Singh and Jayesh Choudhari},
journal= {arXiv preprint arXiv:2603.19277},
year = {2026}
}