許多消費(fèi)者會參考以前消費(fèi)者所寫的評論來作相應(yīng)的決策,但是消費(fèi)者的時間有限,能夠閱讀的評論數(shù)量也有限。因此,一種包含評論集中重要信息的評論總結(jié)生成方法是值得研究的。本文主要研究如何從大量的用戶評論中生成一個全面的評論總結(jié)。評論總結(jié)生成可以通過文本摘要的方式來實(shí)現(xiàn),文本摘要技術(shù)主要包括兩種類型的方法:抽取式文本摘要方法和生成式文本摘要方法。抽取式文本摘要方法可以處理有監(jiān)督和無監(jiān)督的場景,但是可能產(chǎn)生冗余和不連貫的摘要結(jié)果;生成式文本摘要方法可以避免冗余,但是只能處理有監(jiān)督的場景和短序列文本,并且相應(yīng)的技術(shù)還不是很成熟。此外,這兩種文本摘要方法都忽略了文本中的情感信息。針對以上問題,本文提出了一種新的評論總結(jié)生成框架,綜合了抽取式和生成式文本摘要方法的優(yōu)點(diǎn),并且集成了有監(jiān)督和無監(jiān)督的評論總結(jié)生成方法。本文主要的研究內(nèi)容、貢獻(xiàn)和創(chuàng)新點(diǎn)如下:1)本文提出了兩種全面的預(yù)處理策略來識別重要的句子或評論:句子的重新排序模型和評論子集的選擇模型。重排序模型是根據(jù)評論句子的語義相似性和用戶的情感對評論句子進(jìn)行重新排序,并將其作為生成模型的輸入。子集選擇模型用于選擇涵蓋盡可能多方面的評論子集,這些評論子集可... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文框架

重排序模型

不同ε下的rouge得分


本文編號：2994332