电商中面向产品相关问题的评论驱动答案生成
计算与语言
2019-05-07 v1 人工智能
摘要
用户在电子商务中做出购买决策前常有许多产品相关问题。然而，逐一查看用户评论以识别所需信息往往耗时费力。本文提出一种新颖的评论驱动框架，用于电子商务中产品相关问题的答案生成，名为RAGE。我们基于多层卷积架构开发RAGE，以通过并行计算加速答案生成。对于每个问题，RAGE首先从对应产品的评论中抽取相关评论片段。然后，我们设计一种机制从易含噪声的评论片段中识别相关信息，并将该信息融入以引导答案生成。在两个真实世界电商数据集上的实验表明，所提RAGE在生成更准确且信息更丰富的自然语言答案方面显著优于现有方法。此外，与现有基于RNN的生成模型相比，RAGE在模型训练和答案生成上耗时均少得多。
引用
@article{arxiv.1905.01994,
title = {Review-Driven Answer Generation for Product-Related Questions in E-Commerce},
author = {Shiqian Chen and Chenliang Li and Feng Ji and Wei Zhou and Haiqing Chen},
journal= {arXiv preprint arXiv:1905.01994},
year = {2019}
}