隨著Web2 0的出現，帶動電子口碑的快速發展，線上消費者評論漸漸成為不可忽視的存在，越來越多消費者在決定購買前會先觀看評論來了解評價。然而消費者評論的數量日漸增長，大量的評論可以帶給消費者?多資訊，但同時也造成了資訊過載的問題，消費者必須耗費?多時間觀看並且消化。面對上述問題，?多店家已經推出推薦系統，減少消費者選擇購買的時間；然而現成的推薦通常都是依據價格、星等或個人瀏覽紀錄，這些訊息是概括性的總評，不能完全針對消費者感興趣的面向評比。 近年來隨著深度學習的發展，文字摘要也成為熱門的研究領域之一，其可以有效地解決資訊過載的問題；而有別於以往的文字摘要都生成統一的摘要，本研究考量到不同使用者對評論內容重視的面向也不同，加入了個人化在摘要生成中，提出了TA-VAE個人化文字摘要模型。首先利用主題模型從使用者先前對其他店家的評論中萃取使用者在意的面向，而其中考量店家類別生成不同的主題字；再利用生成模型－變分自編碼器(Variational Autoencoder)產生摘要，並且透過Attention機制將使用者特徵納入模型考量；最終生成個人化的摘要，期望能夠幫助每個消費者快速地了解一店家的評價。 根據本研究實驗結果發現，在個人化特徵上，考量店家類別偵測使用者特徵，能夠發現使用者更細微的商品在意面向；而本研究提出的主題Attention能夠有效地增加摘要的品質，並且能生成含有使用者特徵的評論摘要。
Applying Topic Attention and Variational Autoencoder in Personalized Summarization of Reviews
彥廷, 林. (Author). 2020
學生論文: Doctoral Thesis