【论文标题】Meaningful Answer Generation of E-Commerce Question-Answering 【作者团队】Shen Gao, Xiuying Chen, Zhaochun Ren, Dongyan Zhao, Rui Yan 【发表时间】2020/11/14 【论文链接】https://arxiv.org/abs/2011.07307 【推荐理由】 本文来自北京大学王选所。本文提出了一种新颖的生成模型，称为有意义产品答案生成器（MPAG），该模型通过考虑产品评论，产品属性和原型答案来缓解安全答案问题。 在电子商务门户中，为产品相关问题生成答案已成为一项关键任务。在本文中，作者将重点放在产品感知答案生成的任务上，该任务学习从大规模的未标记电子商务评论和产品属性生成准确而完整的答案。但是，安全答案问题对文本生成任务构成了重大挑战，电子商务问答任务也不例外。为了产生更有意义的答案，在本文中，本文提出了一种新颖的生成模型，称为有意义产品答案生成器（MPAG），该模型通过考虑产品评论，产品属性和原型答案来缓解安全答案问题。产品评论和产品属性用于提供有意义的内容，而原型答案可以产生更多样化的答案模式。为此，作者提出了一种新颖的答案生成器，它具有审阅推理模块和原型答案阅读器。本文的关键思想是从大量评论中获取正确的问题意识信息，并学习如何从现有的原型答案中写出连贯而有意义的答案。更具体地说，本文提出了一种由选择性书写单元组成的读写存储器，用于在这些评论之间进行推理。然后，本文使用由全面匹配组成的原型阅读器从原型答案中提取答案骨架。最后，本文提出一个答案编辑器，以问题和以上部分为输入来生成最终答案。在从电子商务平台收集的真实世界数据集上进行的大量实验结果表明，本文的模型在自动指标和人工评估方面均达到了最先进的性能。人工评估还表明，本文的模型可以始终如一地生成特定且正确的答案。

内容中包含的图片若涉及版权问题，请及时与我们联系删除