产品描述与问答辅助的自监督意见摘要
计算与语言
2024-04-09 v1 人工智能
摘要
在电子商务中，意见摘要是对产品评论中发现的共识意见进行总结的过程。然而，诸如产品描述和问答（QA）等额外信息源的潜力却较少被考虑。此外，缺乏任何监督训练数据使得这项任务具有挑战性。为了解决这个问题，我们提出了一种新颖的合成数据集创建（SDC）策略，该策略利用评论以及额外信息源中的信息，选择其中一条评论作为伪摘要以实现监督训练。我们的用于意见摘要的多编码器-解码器框架（MEDOS）为每个信息源采用一个独立的编码器，从而在生成摘要时能够有效地选择信息。为了进行评估，由于缺乏带有额外信息源的测试集，我们扩展了 Amazon、Oposum+ 和 Flipkart 测试集，并利用 ChatGPT 对摘要进行标注。在九个测试集上的实验表明，我们的 SDC 方法与 MEDOS 模型的结合在 ROUGE-1 F1 上比 SOTA 平均提高了 14.5%。此外，对比分析强调了纳入额外信息源对于生成更具信息量的摘要的重要性。人工评估进一步表明，与现有模型相比，MEDOS 在连贯性和流畅性上的得分相对较高，分别为 0.41 和 0.5（范围 -1 到 1）。据我们所知，我们是首个在自监督设置下利用额外信息源生成意见摘要的研究。
引用
@article{arxiv.2404.05243,
title = {Product Description and QA Assisted Self-Supervised Opinion Summarization},
author = {Tejpalsingh Siledar and Rupasai Rangaraju and Sankara Sri Raghava Ravindra Muddu and Suman Banerjee and Amey Patil and Sudhanshu Shekhar Singh and Muthusamy Chelliah and Nikesh Garera and Swaprava Nath and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2404.05243},
year = {2024}
}