评论是消费者对商品评价和反馈的一种文本形式。评论摘要是指对评论进行提取和压缩,形成能够概括评论信息的短文本。目前,评论摘要任务大多只关注评论的文本序列,忽略了评论中的方面、意见短语和情感极性等相关评价对象信息。因此,提出...评论是消费者对商品评价和反馈的一种文本形式。评论摘要是指对评论进行提取和压缩,形成能够概括评论信息的短文本。目前,评论摘要任务大多只关注评论的文本序列,忽略了评论中的方面、意见短语和情感极性等相关评价对象信息。因此,提出了一种基于T5模型(Text-to-Text Transfer Transformer),结合评价对象信息的评论摘要方法。该方法首先利用T5模型对评论摘要任务进行建模,通过注意力机制学习评论文本中的上下文信息,生成包含核心语义的摘要文本;然后提取摘要文本中的评价对象信息,并将其作为评论摘要任务的辅助信息;最后利用少样本数据对模型参数进行特异性调整,进一步改善摘要的效果,从而生成高质量的评论摘要。实验结果表明,在酒店评论数据集SPACE和产品评论数据集OPOSUM+上,该方法相较于基准模型在ROUGE评价指标上均有显著提升。展开更多
商品属性分类任务是指对一段商品的描述文字进行属性分析并进而对多个属性进行分类的过程,其有助于人们从多个角度了解商品,为市场营销、产品管理等提供帮助。当前大语言模型的使用也愈加广泛,但在商品属性分类问题上,通用大模型由于缺...商品属性分类任务是指对一段商品的描述文字进行属性分析并进而对多个属性进行分类的过程,其有助于人们从多个角度了解商品,为市场营销、产品管理等提供帮助。当前大语言模型的使用也愈加广泛,但在商品属性分类问题上,通用大模型由于缺乏领域知识和属性关联等信息,性能不够理想。为此,提出了一个基于双重预训练的商品属性分类方法,旨在通过使用特定的预训练方式提高大语言模型在商品属性分类任务中的性能。在T5模型的基础上,引入了领域内文本预训练和基于属性间关联性的预训练两种方法。在Clothing Fit Data数据集上的实验结果显示,使用了双重预训练的T5模型较未经过预训练的模型以及其他基准模型,在各个属性上的分类效果都取得了一定提升。实验结果证明了所提方法的有效性。展开更多
文摘评论是消费者对商品评价和反馈的一种文本形式。评论摘要是指对评论进行提取和压缩,形成能够概括评论信息的短文本。目前,评论摘要任务大多只关注评论的文本序列,忽略了评论中的方面、意见短语和情感极性等相关评价对象信息。因此,提出了一种基于T5模型(Text-to-Text Transfer Transformer),结合评价对象信息的评论摘要方法。该方法首先利用T5模型对评论摘要任务进行建模,通过注意力机制学习评论文本中的上下文信息,生成包含核心语义的摘要文本;然后提取摘要文本中的评价对象信息,并将其作为评论摘要任务的辅助信息;最后利用少样本数据对模型参数进行特异性调整,进一步改善摘要的效果,从而生成高质量的评论摘要。实验结果表明,在酒店评论数据集SPACE和产品评论数据集OPOSUM+上,该方法相较于基准模型在ROUGE评价指标上均有显著提升。
文摘商品属性分类任务是指对一段商品的描述文字进行属性分析并进而对多个属性进行分类的过程,其有助于人们从多个角度了解商品,为市场营销、产品管理等提供帮助。当前大语言模型的使用也愈加广泛,但在商品属性分类问题上,通用大模型由于缺乏领域知识和属性关联等信息,性能不够理想。为此,提出了一个基于双重预训练的商品属性分类方法,旨在通过使用特定的预训练方式提高大语言模型在商品属性分类任务中的性能。在T5模型的基础上,引入了领域内文本预训练和基于属性间关联性的预训练两种方法。在Clothing Fit Data数据集上的实验结果显示,使用了双重预训练的T5模型较未经过预训练的模型以及其他基准模型,在各个属性上的分类效果都取得了一定提升。实验结果证明了所提方法的有效性。
