QQSUM：面向基于评论的产品问答的量化查询聚焦总结任务与模型
计算与语言
2025-06-05 v1
摘要
基于评论的产品问答（PQA）允许电子商务平台利用用户评论中的见解自动回应客户查询。然而，现有 PQA 系统生成的答案仅呈现单一视角，未能捕捉客户意见的多样性。本文引入了新任务量化查询聚焦总结（Quantitative Query-Focused Summarization, QQSUM），旨在将多样化的客户意见总结为代表性关键点（Key Points, KPs），并量化其流行程度，以有效回答用户查询。虽然检索增强生成（RAG）在 PQA 中显示出前景，但其生成的答案仍不足以捕捉完整的观点多样性。为解决此挑战，我们的模型 QQSUM-RAG 在此基础上进行扩展，采用零样本学习方式联合训练面向关键点（KP）的检索器和关键点摘要生成器，实现基于关键点的摘要，捕捉多样且具代表性的意见。实验结果表明，QQSUM-RAG 在文本质量和意见量化准确性方面均优于最先进的 RAG 基线方法。我们的源代码已公开：https://github.com/antangrocket1312/QQSUMM
引用
@article{arxiv.2506.04020,
title = {QQSUM: A Novel Task and Model of Quantitative Query-Focused Summarization for Review-based Product Question Answering},
author = {An Quang Tang and Xiuzhen Zhang and Minh Ngoc Dinh and Zhuang Li},
journal= {arXiv preprint arXiv:2506.04020},
year = {2025}
}
备注
Paper accepted to ACL 2025 Main Conference