融合大语言模型结构化信息和主题语法图的评论摘要生成方法
来源：图书情报工作杂志2025年第15期北京时间：
作者：张乐,陈岩松,张雷瀚
单位：1 网络文化与数字传播北京市重点实验室 北京 100192;2 北京信息科技大学计算机学院 北京 100192;3 北京邮电大学经济管理学院 北京 100876
摘要：[目的/意义] 针对现有评论摘要模型在生成过程中存在生成内容混乱以及属性词与情感词不对应的问题，提出一种融合大语言模型结构化信息和主题语法图的评论摘要生成方法。[方法/过程] 运用大语言模型GPT4.0抽取评论的结构化信息，利用句法依赖分析器提取句子的依存信息，通过语法图卷积神经网络获取语法特征向量，利用TextRank抽取主题信息，将主题信息和语法信息融合，通过交叉注意力机制分别获得包含主题语法信息引导语义信息的向量表示和包含结构化信息引导语义的向量表示，形成双通道信息，并获取融合注意力，替换指针生成网络的单通道注意力，最终生成评论摘要。[结论/结果] 相对于已有方法，提出的模型在ROUGE值评价指标上的效果相较于其他先进基线模型均有提升。生成的摘要更能符合评论文本原句的内容及顺序，能够缓解事实性错误的问题。
关键词：大语言模型,评论摘要,注意力机制,语法分析,指针网络,
基金资助：本文系北京市教育委员会科学研究计划项目“融合舆情口碑的首都景区知识图谱构建方法研究”(项目编号：KM202311232001)和网络文化与数字传播北京市重点实验室开放课题“多模态网络语言的演化模式与影响力预测研究”(项目编号：ICDD202201)研究成果之一。
