电子商务问答中的产品感知答案生成
计算与语言
2019-01-25 v2 人工智能
摘要
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。本文提出产品感知答案生成任务，旨在从大规模无标注电子商务评论和产品属性中生成准确且完整的答案。与现有问答问题不同，电子商务中的答案生成面临三个主要挑战：（1）评论非正式且含噪声；（2）评论与键值产品属性的联合建模困难；（3）传统方法易生成无意义答案。为应对上述挑战，我们提出一种基于对抗学习的模型，称为 PAAG，其由三个组件构成：问题感知评论表示模块、编码属性的键值记忆网络，以及作为序列生成器的循环神经网络。具体而言，我们采用卷积判别器来区分生成的答案是否匹配事实。为提取评论中的显著部分，提出基于注意力的评论读取器以在给定问题下捕获最相关的词。在大规模真实世界电子商务数据集上的广泛实验验证了我们所提模型中各模块的有效性。此外，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 SOTA 性能。
引用
@article{arxiv.1901.07696,
title = {Product-Aware Answer Generation in E-Commerce Question-Answering},
author = {Shen Gao and Zhaochun Ren and Yihong Eric Zhao and Dongyan Zhao and Dawei Yin and Rui Yan},
journal= {arXiv preprint arXiv:1901.07696},
year = {2019}
}
备注
Accepted by WSDM 2019