随着互联网的普及,网民数量不断增加,网上购物已经成为网民选购日常生活物品的重要方式。与此同时,越来越多的在线购物网站允许用户通过撰写评论来表达他们对产品的看法,例如亚马逊、淘宝和Yelp等。并且,许多商家在用户购物完成后会提出好评返现活动,以便于推广自己的产品,吸引更多的顾客。然而,手工编写这些评论已经成为一项极其艰巨的任务。因此,我们提出为电子商务网站建立一个评论写作助手,帮助用户自动生成产品评论,免除手写评论的繁琐。自动生成产品评论是一项有意义但尚未得到充分研究的任务。因此,实现评论的自动生成成为我们的重点研究话题。评论生成是一种文本生成,它的目的是在特定的背景下生成切合实际的评论。我们的目标是生成与输入评级一致的评论。通过对已有方法的分析总结,我们使用编码器-解码器以及注意力机制相结合的方法。首先通过历史评论编码器编码用户的历史评论,对其进行信息提取,将生成的评论偏向于用户的个性化写作风格;然后通过产品标题编码器对产品标题进行信息提取,以丰富评论生成信息;再使用评级信息以生成有所区别的好评差评;同时,我们通过一个产品属性编码器合并产品属性信息,通过所学的产品属性表示来发现用户更倾向于讨论的产品属性,并将生成的文本偏向于他们的个性化偏好;最后前两个编码器的输出通过注意力融合层加上评级信息的编码共同传递给解码器,对解码器进行投影,得到输出单词分布,再将来自产品属性编码器的注意力得分直接添加到最终的单词分布中,使模型产生与输入评级和属于最相关产品属性的单词一致的单词,达到自动生成准确、多样且个性化的评论的目的。用户可以根据生成的评论了解产品不同方面的优缺点,考虑是否购买;商家可以根据生成的评论对产品的不足之处加以改进,从而生产出更加符合用户需求的产品,促进消费;在线购物平台则能够吸引更多的粘性用户,提高自身的影响力。Amazon真实电子评论数据集的实验表明,通过对用户历史评论数据的处理能够准确地反映出用户的写作风格,使其在生成评论时偏向于使用用户惯用词。通过对产品属性的统计和处理,使其在生成评论时能够对不同的产品属性做出差异评价。与其它模型相比,我们的模型在各项指标上都获得最佳性能,能够更准确且有效地挖掘出用户的个性化表达方式,最终生成符合用户实际评价行为的评论。