論文の概要: A Bayesian Approach to Conversational Recommendation Systems

• arxiv url: http://arxiv.org/abs/2002.05063v1
• Date: Wed, 12 Feb 2020 15:59:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 20:22:26.540645
• Title: A Bayesian Approach to Conversational Recommendation Systems
• Title（参考訳）: 会話推薦システムに対するベイズ的アプローチ
• Authors: Francesca Mangili and Denis Broggini and Alessandro Antonucci and Marco Alberti and Lorenzo Cimasoni
• Abstract要約: ベイズ的アプローチに基づく会話推薦システムを提案する。 エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
• 参考スコア（独自算出の注目度）: 60.12942570608859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a conversational recommendation system based on a Bayesian approach. A probability mass function over the items is updated after any interaction with the user, with information-theoretic criteria optimally shaping the interaction and deciding when the conversation should be terminated and the most probable item consequently recommended. Dedicated elicitation techniques for the prior probabilities of the parameters modeling the interactions are derived from basic structural judgements. Such prior information can be combined with historical data to discriminate items with different recommendation histories. A case study based on the application of this approach to \emph{stagend.com}, an online platform for booking entertainers, is finally discussed together with an empirical analysis showing the advantages in terms of recommendation quality and efficiency.
• Abstract（参考訳）: 本稿では,ベイズアプローチに基づく会話推薦システムを提案する。 ユーザとの対話後にアイテム上の確率質量関数を更新し、対話を最適に形成し、いつ会話を終了すべきかを判断し、その結果、最も確率の高い項目を推奨する。 相互作用をモデル化するパラメータの事前確率の導出手法は、基本的な構造的判断から導かれる。 このような事前情報は履歴データと組み合わせることで、異なる推奨履歴を持つ項目を判別することができる。 エンターテイナーを予約するオンラインプラットフォームである 'emph{stagend.com} へのこのアプローチの適用に基づくケーススタディを,レコメンデーション品質と効率の面でのメリットを示す実証分析とともに論じる。

関連論文リスト

• Identifying Breakdowns in Conversational Recommender Systems using User Simulation [15.54070473873364]
  本稿では,会話のブレークダウンに関して,会話レコメンデーションシステムをテストする手法を提案する。 システム間で発生した会話を調べ、事前に定義されたブレークダウンタイプに対してユーザをシミュレートする。 提案手法を既存の会話レコメンデータシステムとユーザシミュレータを用いたケーススタディに適用し,ほんの数イテレーションで,会話のブレークダウンに対してシステムをより堅牢にすることができることを示す。
  論文  参考訳（メタデータ） (2024-05-23T07:28:26Z)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Fisher-Weighted Merge of Contrastive Learning Models in Sequential Recommendation [0.0]
  我々は、まず、フィッシャー・マージング法をシークエンシャル・レコメンデーションに適用し、それに関連する実践的な課題に対処し、解決する。 提案手法の有効性を実証し, シーケンシャルラーニングおよびレコメンデーションシステムにおける最先端化の可能性を明らかにする。
  論文  参考訳（メタデータ） (2023-07-05T05:58:56Z)
• Hierarchical Conversational Preference Elicitation with Bandit Feedback [36.507341041113825]
  提案システムでは,各ラウンドで推薦するキータームかアイテムのいずれかを選択することができる。 実世界のデータセットを調査・分析し、先行研究と異なり、キーターム報酬は主に代表品の報酬に影響されていることを確認する。 我々は、この観測結果とキータームとアイテム間の階層構造を利用する2つの帯域幅アルゴリズム、Hier-UCBとHier-LinUCBを提案する。
  論文  参考訳（メタデータ） (2022-09-06T05:35:24Z)
• Conversational Recommendation: Theoretical Model and Complexity Analysis [6.084774669743511]
  理論的にドメインに依存しない会話推薦モデルを提案する。 効率的な会話戦略の発見はNPハードであることが示される。 また,カタログの特徴が個々の対話戦略の効率性に強く影響を与えることを示す。
  論文  参考訳（メタデータ） (2021-11-10T09:05:52Z)
• Learning to Ask Appropriate Questions in Conversational Recommendation [49.31942688227828]
  対話型レコメンデーションのための新しいフレームワークであるKnowledge-Based Question Generation System (KBQG)を提案する。 KBQGは、構造化知識グラフから最も関連性の高い関係を識別することにより、ユーザの好みをよりきめ細かな粒度でモデル化する。 最終的には、正確な推奨は会話の順番を少なくして生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:58:10Z)
• Leveraging Historical Interaction Data for Improving Conversational Recommender System [105.90963882850265]
  アイテムと属性に基づく嗜好シーケンスを統合するための,新しい事前学習手法を提案する。 実世界の2つのデータセットの実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-19T03:43:50Z)
• Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion [77.21442487537139]
  対話型レコメンデータシステム(CRS)は,対話型対話を通じて高品質なアイテムをユーザに推薦することを目的としている。 まず、会話データ自体にユーザの好みを正確に理解するための十分なコンテキスト情報がない。 第二に、自然言語表現とアイテムレベルのユーザ嗜好の間には意味的なギャップがある。
  論文  参考訳（メタデータ） (2020-07-08T11:14:23Z)
• Seamlessly Unifying Attributes and Items: Conversational Recommendation for Cold-Start Users [111.28351584726092]
  コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。 会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
  論文  参考訳（メタデータ） (2020-05-23T08:56:37Z)
• A Survey on Conversational Recommender Systems [11.319431345375751]
  会話レコメンデータシステム(CRS)は異なるアプローチを採用し、よりリッチなインタラクションをサポートする。 CRSに対する関心は、ここ数年で大幅に増加した。 この開発は主に自然言語処理の分野における著しい進歩によるものである。
  論文  参考訳（メタデータ） (2020-04-01T18:00:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。