Eコマースにおける製品認識型回答生成

電子商取引ポータルにおいて、製品に関連する質問に対する回答の生成は重要な課題となっています。本論文では、大規模な未ラベルの電子商取引レビューや製品属性から正確かつ完全な回答を生成することを目指す「製品認識型回答生成」タスクを提案します。既存の質問応答問題とは異なり、電子商取引における回答生成には以下の3つの主要な課題が存在します：(1) レビューは非公式で雑音が多い；(2) レビューとキー・バリュー形式の製品属性を統合的にモデリングすることが困難である；(3) 伝統的な方法では無意味な回答が容易に生成されてしまう。これらの課題に対処するために、我々は敵対的学習に基づくモデルPAAG（Product-Aware Answer Generation）を提案します。このモデルは3つのコンポーネントで構成されています：質問認識型レビュー表現モジュール、キー・バリュー記憶ネットワークによる属性エンコーディング、および系列ジェネレーターとして機能する再帰ニューラルネットワークです。具体的には、生成された回答が事実と一致しているかどうかを判別するための畳み込みディスクリミネーターを使用しています。また、レビューの中から最も関連性の高い単語を抽出するために、注意メカニズムに基づいたレビューリーダーを提案し、質問に応じて最適な情報を捉えます。大規模な実際の電子商取引データセットを使用して行われた広範な実験により、提案モデルの各モジュールの有効性が確認されました。さらに、実験結果は自動評価指標と人間評価の両面で最先端の性能を達成していることを示しています。