基于上下文信息的产品评论摘要Bi-LSTM模型

张宜飞 张 迎 王中卿 王红玲

(苏州大学计算机科学与技术学院 江苏 苏州 215006)

0 引 言

随着互联网的快速发展，产品评论摘要任务已经成为自然语言处理应用的一个重要的研究方向[1]。产品评论摘要一方面可以为潜在用户提供大众对某些产品的总体评价情况，使用户摆脱枯燥、繁琐的信息检索和浏览工作，从而为用户的决策提供可靠的依据。另一方面，产品评论摘要可以对产品的评价进行整合，提供一个整体倾向性综述，从而帮助企业了解自己的优势和不足，做出合理的调整[2-3]。

产品评论摘要任务的一个关键步骤是判断产品评论内哪些词语或者句子更具有代表性，更能代表用户的广泛意见。传统的产品评论摘要方法的过程：根据评论句子的文本信息对评论句子的重要性进行评分，然后按照评分大小抽取出产品评论中重要的句子作为摘要[4]。产品评论内的每条评论是某一用户针对某一商品进行的主观性评价。这类文本具有文体自由、书写随意、错误较多等特点[1]，这使得在产品评论摘要任务中，仅仅根据评论句子信息很难准确地判断句子的重要程度。

如图1所示，目标句子“这里的食物真的很棒，非常新鲜可口。”是Yelp2013数据集中一个餐馆对象的评论中的一个句子。如果只考虑目标句子的文本信息，很难判断该句能否作为摘要句子。但是，如果结合该句所在的上文信息“说实话我没有在这里遇到我不喜欢的食物……”和下文信息“这里提供非常新鲜的食材，值得一试……”，就能够很容易地将该句判断为摘要句。