ProdRev：面向客户的基于生成式预训练变换器的深度神经网络框架
计算与语言
2025-05-21 v1 人工智能
机器学习
摘要
疫情后，客户对电子商务的使用偏好加速。由于单个产品的评价信息庞杂（有时可达数千条），导致买家决策瘫痪。这种情形削弱了消费者的能动性，消费者不可能花费大量时间浏览如此多的评价，且可能产生混淆。现有商业工具多采用评分机制以得出调整后分数，从而警示用户潜在的评价操纵。本文提出一种框架，通过微调生成式预训练变换器以更好地理解这些评价。进一步利用“常识”进行更优决策。这些模型拥有超过130亿参数。为满足我们的需求，我们采用生成式预训练变换器（GPT3）的 curie 引擎进行微调。通过生成模型，我们引入 abstractive（抽象）摘要，而非简单地采用提取式摘要方法。这样能够体现评价之间的真实关系，而非简单复制粘贴。这为用户引入“常识”元素，帮助其快速做出正确决策。用户将获得处理后评价的优缺点，从而可自行做出决定。
引用
@article{arxiv.2505.13491,
title = {ProdRev: A DNN framework for empowering customers using generative pre-trained transformers},
author = {Aakash Gupta and Nataraj Das},
journal= {arXiv preprint arXiv:2505.13491},
year = {2025}
}
备注
2022 International Conference on Decision Aid Sciences and Applications (DASA)