基于改进扩散模型的电商营销文本的自动生成研究

作     者：胡忠义 秦维 吴江 

作者机构：武汉大学信息管理学院 武汉大学电子商务研究与发展中心 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：教育部哲学社会科学研究重大课题攻关项目(20JZD024)研究成果之一 

主　　题：文本生成 扩散模型 序列扩散模型 关键词提取 

摘      要：[目的]拓展扩散模型在文本生成领域的应用，以解决生成文本信息单一、冗余的问题。[方法]采用TextRank算法提取原文本中的关键词信息，并将其融入序列扩散模型（DiffuSeq），构建了融合关键词信息的序列扩散模型（K-DiffuSeq）。[结果] 相较于基准模型，K-DiffuSeq模型所生成的文本在PPL指标上至少提升4.14%，ROUGE指标至少提升42.69%，文本多样性指标上至少提升29.43%。[局限]仅考虑了商品有关的文本语料，而忽略了图片、视频等更丰富的多模态商品信息。[结论]通过融合关键词信息，能够有效提升营销文本生成模型的性能，该研究确认了扩散模型在文本生成领域的应用潜力。