基于人物角色感知的提示生成

提示（tips）作为评论的浓缩简洁形式，较少受到研究者关注。本文通过考虑捕获用户内在语言风格或商品不同特征的“人物角色（persona）”信息，研究提示生成任务。为利用人物角色信息，我们提出一种基于对抗变分自编码器（aVAE）的框架，从用户与商品的历史提示和评论中建模人物角色。来自 aVAE 的潜变量被视为人物角色嵌入。除使用潜嵌入表示人物角色外，我们设计了一种人物角色记忆来存储用户与商品相关的人物角色词汇。生成提示时，使用 Pointer Network 从记忆中检索人物角色措辞。此外，评分预测组件将人物角色嵌入用作潜因子来预测用户对商品的情感。最后，人物角色嵌入与情感信息被整合进基于循环神经网络的提示生成组件。我们报告并讨论了充分的实验结果以阐明我们框架的特性。