ACLMay, 2021

利用其他具有上下文相似性的产品的问题回答产品问题

PDF
TL;DR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。
product-related questionanswer predictioncontextual similaritysimilar questionsmixture-of-expert framework
发现论文，激发创造
  • 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

  • 在意见问答系统中建模歧义、主观性和不同观点

    通过考虑个性化和模棱两可性，我们创建了一个包含大约 80 万个问题和 310 万个答案的新问题回答数据集，发现考虑主观答案的个性化因素能够得到定量上更好的答案，并提供更细致的支持性观点。

    Oct, 2016

  • 从自然出现的商业对话中提取相似问题

    我们使用经过适当调整的表示方法和少量示例来对商业用户感兴趣的问题进行分组，并制作可用于数据探索或员工培训的可视化。

    Jun, 2022

  • 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

  • 通过总结多源多观点的知识回答产品主观归纳性问题

    这篇论文提出了在产品领域上回答主观归纳问题（SUBJPQA）的新任务。针对这类问题，答案并不唯一，可以从多个角度解释。为了解决这一新任务，作者提出了一种三步法，涉及知识源的检索、问题的关联和多角度答案的生成。此外，作者构建了一个大规模的数据集，并展示了方法的有效性。

    Sep, 2023

  • AmazonQA：一项基于评论的问答任务

    该研究提出了基于评论的问答系统，并介绍了一个新的数据集和结合信息检索和阅读理解模型的方法以生成答案。研究评估了许多答案生成模型并提出了强有力的基线，证明了这个新任务的挑战性。

    Aug, 2019

  • 少即是多：在产品问答中拒绝不可靠的评论

    本研究提出了一种基于符合性预测的产品问答系统，可以提高回答的可靠性和可信度，并且包括不可以回答的问题的空答案，实现了对产品问题的快速和准确的回答。

    Jul, 2020

  • 应用迁移学习提升特定领域搜索体验：使用查询和问题的相似度

    本研究提出一种针对任何特定领域搜索引擎的框架来计算给定输入查询和一组预定义问题之间的相似度，使用 Siamese 网络和 LSTM 模型训练分类器来生成未归一化和归一化的相似度分数，并结合两种词向量和自定义模糊匹配分数等三种其他相似度得分计算的元分类器，在 Quora 问题对（QQP）数据集以及特定于金融领域的数据集上进行性能测试。

    Jan, 2021

  • 利用用户和产品背景提高文档级情感分析

    该论文研究了将历史评论文本和用户 / 产品信息纳入情感分析模型，通过强制模型记住有关特定用户和产品的所有评论，通过舍弃分层的架构来使文本中的单词直接彼此关注。在 IMDB、Yelp2013 和 Yelp2014 数据集上的实验结果表明，该方法在某些情况下可以实现超过 2％的现有最佳结果的提升。

    Nov, 2020