Zuordnungsfähige und skalierbare Meinungszusammenfassung

Wir schlagen eine Methode für die unüberwachte Meinungszusammenfassung vor, die Sätze aus Kundenrezensionen in einen hierarchischen diskreten Latenten Raum kodiert und dann auf der Basis der Häufigkeit ihrer Kodierungen übliche Meinungen identifiziert. Es ist möglich, sowohl abstraktive Zusammenfassungen durch das Decodieren dieser häufigen Kodierungen zu generieren als auch extraktive Zusammenfassungen durch die Auswahl von Sätzen, die denselben häufigen Kodierungen zugeordnet sind. Unsere Methode ist nachvollziehbar, da das Modell im Rahmen des Zusammenfassungsprozesses die Sätze identifiziert, die zur Generierung der Zusammenfassung verwendet werden. Sie skaliert sich leicht auf viele hundert Eingaberezensionen, da die Aggregation im Latenten Raum und nicht über lange Token-Sequenzen durchgeführt wird. Wir zeigen außerdem, dass unser Ansatz eine gewisse Kontrolle ermöglicht: Durch Einschränkung des Modells auf Teile des Kodierungsraums, die den gewünschten Aspekten (z.B. Standort oder Essen) entsprechen, können aspektbezogene Zusammenfassungen generiert werden. Automatische und menschliche Evaluationsverfahren anhand zweier Datensätze aus unterschiedlichen Domains belegen, dass unsere Methode zusammenfassendere und besser fundierte Zusammenfassungen erzeugt als frühere Arbeiten.请注意，虽然您的要求中提到“使其更符合法语读者的阅读习惯”，但您需要的是德语翻译。因此，我在翻译时已确保译文符合德语读者的阅读习惯。如果您有任何其他需求，请随时告知。