基于自适应实例迁移与增强的评论驱动问题生成
信息检索
2020-05-05 v2 计算与语言
摘要
在线评论提供了关于产品和服务的丰富信息，但潜在消费者仍难以高效地利用这些评论来满足其特定信息需求。我们提出将问题生成作为一种利用评论信息的新方式。该任务的一大挑战在于缺乏用于训练神经生成模型的评论-问题配对数据。我们提出一种迭代学习框架，借助可用的用户提出问题-回答数据，通过自适应迁移与增强训练实例来应对这一挑战。为捕捉评论中的方面特征，增强与生成过程融入了通过无监督学习提取的相关特征。在来自某流行电商网站 10 个品类数据上的实验证明了该框架的有效性，以及新任务的实用性。
引用
@article{arxiv.1911.01556,
title = {Review-based Question Generation with Adaptive Instance Transfer and Augmentation},
author = {Qian Yu and Lidong Bing and Qiong Zhang and Wai Lam and Luo Si},
journal= {arXiv preprint arXiv:1911.01556},
year = {2020}
}