상품 인식型 답변 생성在 전자 상거래 질문-답변 시스템中 Note: The above translation is a direct transliteration of the Chinese characters into Korean, which may not be grammatically correct or natural in Korean. A more natural and grammatically correct translation would be: 전자 상거래 질문-답변 시스템에서의 상품 인식형 답변 생성

전자상거래 포털에서 제품 관련 질문에 대한 답변 생성은 중요한 작업이 되었습니다. 본 논문에서는 대규모 비라벨 전자상거래 리뷰와 제품 속성을 활용하여 정확하고 완전한 답변을 생성하는 '제품 인식 답변 생성' 과제를 제안합니다. 기존의 질문-답변 문제와 달리, 전자상거래에서의 답변 생성은 세 가지 주요 도전 과제에 직면해 있습니다: (1) 리뷰는 비격식적이고 노이즈가 많습니다; (2) 리뷰와 키-값 제품 속성을 함께 모델링하는 것이 어렵습니다; (3) 전통적인 방법들은 의미 없는 답변을 쉽게 생성합니다. 이러한 도전 과제들을 해결하기 위해, 우리는 적대적 학습 기반 모델인 PAAG(Product-Aware Answer Generation)를 제안합니다. 이 모델은 세 가지 구성 요소로 이루어져 있습니다: 질문 인식 리뷰 표현 모듈, 키-값 메모리 네트워크로 구성된 속성 인코더, 그리고 순환 신경망으로 구성된 시퀀스 생성기입니다. 특히, 우리의 생성된 답변이 사실과 일치하는지를 구분하기 위해 컨볼루션 판별자를 사용하였습니다. 또한, 질문에 가장 관련성이 높은 단어들을 포착하기 위해 주의 기반 리뷰 리더를 제안하여 리뷰의 핵심 부분을 추출하였습니다. 대규모 실제 전자상거래 데이터셋을 사용하여 수행한 광범위한 실험 결과, 제안된 모델의 각 모듈이 효과적임을 확인할 수 있었습니다. 더욱이, 실험 결과는 자동 평가 지표와 인간 평가 모두에서 우리 모델이 최신 성능을 달성하였음을 보여주고 있습니다.