基于神经变分主题模型的无监督机器评论
计算与语言
2018-09-14 v1
摘要
文章评论可为读者提供补充性观点与事实，从而提升文章的吸引力与参与度。因此，自动评论有助于改善社区（如在线论坛与新闻网站）的活跃度。已有工作表明，训练自动评论系统需要大规模平行语料。尽管部分文章在某些网站上自然地与评论成对，但互联网上大多数文章与评论是未成对的。为充分利用未配对数据，我们彻底去除对平行数据的需求，并提出一种新颖的无监督方法来训练自动文章评论模型，仅依赖未配对的文章与评论。我们的模型基于检索式评论框架，利用新闻基于主题相似性检索评论。主题表示由以无监督方式训练的神经变分主题模型获得。我们在一个新闻评论数据集上评估了我们的模型。实验表明，我们提出的基于主题的方法显著优于以往的基于词典的模型。该模型也能从成对语料中获益，并在半监督场景下取得最先进的性能。
引用
@article{arxiv.1809.04960,
title = {Unsupervised Machine Commenting with Neural Variational Topic Model},
author = {Shuming Ma and Lei Cui and Furu Wei and Xu Sun},
journal= {arXiv preprint arXiv:1809.04960},
year = {2018}
}