摘要
本文提出了一项新颖的任务：为社交媒体帖子生成投票问题。该任务为便捷地倾听公众声音、了解公众对重要社会议题的情感态度提供了有效途径。与以往多聚焦于正式语言（如考试试卷）的研究不同，本文致力于生成适用于简短、口语化社交媒体文本的投票问题，此类文本普遍存在数据稀疏问题。为应对这一挑战，本文提出通过编码用户评论来挖掘其中隐含的主题信息，并将其作为上下文引入序列到序列（S2S）模型架构中；进一步地，通过引入双解码器结构，实现对投票问题及其对应选项（答案）的联合生成。在实验部分，研究团队从新浪微博平台收集了一个大规模中文数据集，包含超过2万条投票样本。实验结果表明，相较于未利用评论中主题信息的主流S2S模型，本文提出的模型在生成质量上表现更优；同时，双解码器设计显著提升了问题与答案的预测性能。人工评估结果进一步验证了本文方法在生成高质量投票内容方面的优势，有助于有效提升用户参与度。