【评论生成】AI生成评论，如何既相关又多样？

AI评论生成，如何既相关有多样？

筛选评论

Learning comment generation by leveraging user-generated data, ICASSP 2019

当前开放域的评论生成常常产生重复且无趣的回复。作者认为原因是直接使用真实用户评论会带入大量的噪音，比如同一篇文章会有多个、且可能相互矛盾的评论，并且由于检索方法会比较刻板，最终导致生成的结果问题。因此文章提出了结合检索和生成的方法，利用已有用户评论和检索出相关评论，训练一个打分器scorer（怎么训练呢？）。然后利用这些评论和文章，作为copy机制生成模型的训练数据。

image.png

上文提到了打分器，这里有三个：

• relevance scorer：这里相关性是通过计算标题和评论的bag-of-word向量的点积，只不过向量的每个词语是带TF-IDF的权重。
• upvote scorer：半监督的方法，主要是预测这些文章的评论没有任何赞。训练数据来源于文章中有评论的文章，并且评论至少10个赞做为正样本，其余负样本。模型如上，文章和评论通过BiLSTM之后，通过attention获得两者的context向量u

• ensemble：集成上面俩，可以看到图中的α是一个超参，通过它平衡两者之间的权重，从而得到最终的得分。relevance是评估相关性，避免千篇一律，而upvote也是为了生成更好容易获赞的评论。

道理是这样，两个relevance和upvote也是文章的点，但是实际过程中，好评论不一定会获得很多点赞，因为点赞的基础是该作品有大量的人看到，而大多数长尾可能没有，或者冷启动阶段多数文章没有。所以大概率正样本都是热门的文章，因此对于冷门文章可能是欠拟合。 所以正样本和负样本选择还是有待考究。

而生成模型，用到的是CopyNet机制，通过设置超参控制生成和拷贝的概率叠加。

DeepCom

Read, Attend and Comment: A Deep Architecture for Automatic News Comment Generation, 2019 https://cloud.tencent.com/developer/news/454058

借鉴人的阅读思想，先读文章，然后选择自己的关注点，再进行评论。因此文章提出了reading network和generation network。

• reading network：负责理解文章，提取重要的观点信息。
• generation network：通过关注标题和reading网络获取的观点信息，来生成回复。

两个网络通过端到到的方式训练，目标是最大化真实目标的变分下界（variational lower bound）。

image.png

reading network：representation层分别对body和title做表征学习（title的token表征经过一个GRU获得隐变量表征，body通过attention加权和），然后fusion层对body和title做融合，然后prediction层是预测多个(开始，结束)对，每个对代表一段span。这样的话，不同的span就可以代表不同的要点。

Generation Network：输入HT和HS（要点span），然后按词解码输出评论

这篇文章挺复杂的。。。并且作者实验，没有reading网络效果下降最多，这一跨也是最复杂的。。。

TPGN

Generating Pertinent and Diversified Comments with Topic-aware Pointer-Generator Networks

相关性和多样性是评论生成的两个要点，本文提出了一种Topic-aware Pointer-Generator Networks (TPGN)，通过提取文章中的topic，来知道生成相关和多样的评论。在encoder中引入keyword和topic级别的attention机制来获取文章中的topic信息，然后生成过程中在融合topic信息来知道评论的生成。

Keyword-level encoder attention：文章使用TextRank抽取关键词片段，然后放入BiLSTM后的final state作为keyword的表征h_n，然后h_n通过使用attention机制获取文章中词语加权获得最终的contex表征。

Topic-level encoder attention: 文章使用LDA主题模型和Gibbs采样从数据中训练topic向量表征，然后抽取主题的top n词语作为主题词，然后计算每个topic词语的向量表征。其中Cwz是该词w在topic z中出现的次数。

`$$

p(z \mid w) \propto \frac{C{w z}}{\sum{z^{\prime}} C_{w z^{\prime}}}

$$`

Pointer机制和之前提出的模型很像，也不是本文重点，就不介绍了。

Reader-Aware Topic Modeling

Generating Diversified Comments via Reader-Aware Topic Modeling and Saliency Detection, 2021, AAAI 2021

评论生成不仅要关注文章中的重点和有趣的信息，并且多样性也很重要，之前的一些论文关注文章中的重要信息，忽略了评估中的读者理解因素。因此论文提出一个读者理解的话题和关键信息检测的统一框架。

image.png

reader-aware topic modeling：从评论中获取读者的topic，提出variational generative clustering algorithm，从训练集中的评论语料获取K个读者的topic标注向量。

reader-aware saliency information detection：提出Bernoulli distribution estimating。预估文章中的每个词语是否重要，用于指导下游生成，模型即转化为一个序列任务，预估每个词语是否重要。

两个模块通过端到端方式集合生成任务一起训练。

利用用户知识

Automatic Generation of Personalized Comment Based on User Profile ACL 2019

社交媒体中的用户评论非常多样，不同的用户有不同表达风格，因此论文重要集中于如何利用用户信息来做社交中的评论生成。提出PCGN模型，将用户特征通过gated memory 编码，并且加入用户描述（可能是个性签名之类）。

模型如下图，主要关注用户编码部分：

• 用户个性签名：通过BiLSTM编码，Attentive其实就是attention机制，加权求和后获得contexD向量。
• 数值特征：embedding编码后，通过gated memory机制针对生成不同步产生动态的用户表征，gate的计算是g_t^u=sigmoid(W^u_g s_t)。（讲真，fixed也不是不可）

image.png

利用外部知识图谱来生成：

modeling global and local node contexts for text generation from knowledge graph TACL, 2020

这篇主要是结合外部知识来生成，不止是评论生成，只是评论生成是，针对某些明星的评论，可能需要结合外部知识，例如明星的领域、代表作等，可以做参考。

关注公众号接收最新文章：百川NLP

image.png