面向推荐理由生成的用户启发后验网络

推荐理由生成旨在向客户展示产品的卖点，在吸引客户注意力和改善用户体验方面起着至关重要的作用。一种简单有效的方式是直接从产品的知识库（即属性或标题）中提取关键词作为推荐理由。然而，从产品知识生成推荐理由并不能自然回应用户的兴趣。幸运的是，在一些电商网站上，存在越来越多的用户生成内容（简称用户内容），即产品问答(QA)讨论，其反映了用户关心的方面。因此，在本文中，我们考虑生成推荐理由时不仅考虑产品属性，还考虑客户生成的产品 QA 讨论。现实中，充足的用户内容仅对最热门的商品可能，而大量长尾产品或新产品无法聚集足够数量的用户内容。为解决此问题，我们提出一种用户启发的多源后验 transformer (MSPT)，其通过后验多 QA 讨论模块诱导模型反映用户兴趣，并生成包含产品属性及用户关心方面的推荐理由。实验结果表明，我们的模型优于传统的生成模型。此外，分析也显示我们的模型比基线更关注用户关心的方面。