文中介绍了一种从在线产品评论中进行意见摘要的神经框架,该方法是知识瘦身的,只需要轻量级的监督,包括产品领域标签和用户提供的评分。方法结合了两个弱监督组件(一个偏向提取器和一个基于多实例学习的情感预测器),从多个评论中识别显著观点并形成提取式摘要。研究介绍了包括六个不同领域的产品评论的训练集以及具有黄金标准方面注释、显著标签和意见摘要的人工注释开发和测试集的意见摘要数据集。自动评估显示该方法相对于基线的显著改进,大规模研究表明根据多个标准,人类评判员更喜欢该方法的意见摘要。
Aug, 2018
本文提出一种面向产品评论的自适应知识型意见摘要模型,有效地捕捉了意见摘要所需的自适应性质并生成面向方面的摘要,能更好地个性化和信息化地为用户提供有用信息,适应用户的不同兴趣和偏好。
May, 2023
本论文提出了一种基于方面查询的定制摘要生成方法,使用多示例学习模型诱导的方面控制器创建 (review,summary) 对的合成训练数据集,通过微调预训练模型,生成修改方面控制器的方面特定摘要。在两个基准测试中,我们的模型表现优于先前的技术水平,并通过控制讨论的方面数量生成个性化摘要。
Sep, 2021
提出了一个新的多领域、开放领域的基于方面的摘要数据集 “WikiAsp”,该数据集通过使用 20 个不同领域的维基百科文章并使用每篇文章的标题和边界作为方面标注的代理。研究结果表明现有的摘要模型在此情况下面临的关键挑战,具体包括引用来源的代词处理和时间敏感事件的一致解释。
Nov, 2020
本研究提出一种基于方面的抽象化摘要方法,可以对任意与文件相关的方面进行总结,带有外部知识库的弱监督构建方法和方面建模方案可以提高性能。
Oct, 2020
本文提出一种基于用户偏好的个性化观点总结生成方案,利用无监督方法从 TripAdvisor 游客评论中提取一致的方面,再利用整数线性规划技术结合用户指定的各种控制参数选择信息量大的观点,最后通过众包和 ROUGE-based 指标评估并获得有竞争力的结果。
Jun, 2020
近年来,自动摘要模型的性能有了显著提升,然而在满足实际场景中用户的具体信息需求方面仍存在差距,尤其是在本文中所针对的有用的基于方面的摘要设置中。为了推动更加现实的场景研究,我们引入了 OpenAsp,一个用于多文档开放方面的摘要的基准。该基准使用一种新颖且具有成本效益的注释协议来创建,通过该协议从现有的通用多文档摘要数据集中提取开放方面数据集。我们分析了 OpenAsp 的特性,展示了其高质量的内容,并且证明了 OpenAsp 中实现的现实开放方面设置对于当前最先进的摘要模型和大型语言模型来说是一个挑战。
Dec, 2023
我们提出了一个模型,通过联合方面识别和情感分析来汇总产品评论片段。我们的模型同时确定了评论中呈现的可评估方面的基础集,并确定了每个方面的相应情感,从而直接发现了产品的高评级或不一致方面。
Jan, 2014
本研究评估了一个新提出的神经模型在提取评论方面的可行性,结果表明该模型能够从用户评论中准确识别和提取各个方面并生成用户偏好的基于方面的概要。
Apr, 2018
本文介绍了基于神经网络和机器学习的 Opinion Summarization,主要是关于 customer reviews 的情感摘要,包括自监督、少样本和有监督学习方案,并提出了资源和评估方法。
Jun, 2022