WWWMar, 2020

电子商务中基于评论引导的有用答案识别

PDF
TL;DR本文提出了一种基于评论引导的答案有用性预测模型，该模型不仅考虑了 QA 对之间的交互，还探讨了答案与众筹意见之间的意见连贯性作为识别有用答案的另一个重要因素，并探索了利用预训练策略将从一个特定设计的经过训练的网络中获得的文本推理知识转移的方法。该模型在七个产品类别上进行的广泛实验表明，其在预测任务中的表现优异。
community question answering platformshelpfulness predictionanswer qualityopinion coherencepre-training strategy
发现论文，激发创造
  • 多模态评论有用性预测中基于列表上下文模型的梯度提升决策树

    本研究提出了一种多模态评论有用性预测 (MRHP) 模型，使用 listwise attention 网络和 gradient-boosted 决策树作为评分预测器，可显著提高了模型的泛化性和整个评论列表的排名效率。

    May, 2023

  • 电子商务中基于评论驱动的问答系统的意见感知答案生成

    本文提出了一种基于统一模型的答案生成方法，通过 opinion mining 解决 product-related question answering 中因个人意见多样性带来的挑战，实现 opinion-aware 答案生成，并通过多视角 pointer-generator 网络实现答案生成和意见挖掘任务之间的联合学习和意见融合策略，取得了在实际 E-Commerce QA 数据集中优越表现。

    Aug, 2020

  • 电商问答中基于产品的答案生成

    本文提出了一种名为 PAAG 的基于对抗学习的模型来解决电子商务中针对产品相关问题的答案生成问题，其中包括通过大规模未标注的电子商务评论和产品属性生成准确且完整的答案。在一个大规模的真实电子商务数据集上进行的广泛实验验证了我们模型中每个模块的有效性，并且我们的实验表明，我们的模型在自动指标和人工评估方面均实现了最先进的性能。

    Jan, 2019

  • 评审人专业技能在时间性评审帮助性预测中的作用

    针对检测有用评价的问题，本研究提出了一个新的数据集和方法，该方法利用评论者的历史评价记录和评论的时间动态来自动评估评论的有用性，并展示了比多个基准方法更好的效果。

    Feb, 2023

  • 在线健康专家问答服务的质量预测深度学习方法

    提出了一种基于深度置信网络的在线健康询问平台回答质量预测框架，该框架利用非文本特征和医生答案的高层语义表示来预测答案质量。

    Dec, 2016

  • 基于选择性注意力和自然对抗学习的多模态评论帮助性预测

    本文提出了一种名为 SANCL 的选择性关注和自然对比学习的方法，应用于多模式评论有用性预测，通过构建自然匹配属性的对比学习框架，以及通过探测策略加强对重要性高的区域的关注，达到了当前最先进的基线性能，并具有更低的内存消耗。

    Sep, 2022

  • 利用用户信息在问答网站中预测最佳答案

    本研究使用问题者的背景信息及其他特征，例如文本内容或者与其他参与者的关系，并利用 Stack Exchange 数据集进行训练，提出一种预测最佳答案的新方法，并且证明了用户间的关系对结果具有重要影响。同时，我们发现用户关系信息与文本特征和元特征（如时间差异）之间有较少的重叠。

    Dec, 2022

  • 利用其他具有上下文相似性的产品的问题回答产品问题

    本论文提出了一种新型的预测产品相关问题答案的方法，该方法基于相似问题以及相似产品的答案来进行判断，并使用专家混合模型框架聚合答案来提高预测准确率。经实证结果表明，该模型在某些问题的表现优于强基线，而且我们还出版了两个大规模数据集用于支持我们的方法。

    May, 2021

  • 利用顾客评论解决复杂和主观的产品相关查询

    使用混合专家框架，本文旨在自动学习如何判断一个产品评论是否与给定查询相关，并在一个包括 1.4 百万个问题和答案以及 13 百万个评论的语料库上评估我们的系统，Moqa，并表明它对于处理二元和开放性查询都有效，在定性研究中还展示了这个系统能够提供人工评估认为相关的评论。

    Dec, 2015

  • 多模态 Transformer 上的自适应对比学习用于评论有用性预测

    本研究旨在提高现代评论有用性预测系统的性能，提出了一种基于多模态对比学习的方法，聚焦于输入模态之间的信息，提高了跨模态关系的显式表达，并引入自适应加权策略以提高优化的灵活性，同时提供了多模态交互模块以解决多模态数据的分布不一致问题，实验证明该方法优于基线算法，在两个公开数据集上实现了最先进的结果。

    Nov, 2022