論文の概要: A Survey on Conversational Recommender Systems

• arxiv url: http://arxiv.org/abs/2004.00646v2
• Date: Mon, 31 May 2021 06:16:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 19:20:55.877293
• Title: A Survey on Conversational Recommender Systems
• Title（参考訳）: 会話型推薦システムに関する調査研究
• Authors: Dietmar Jannach, Ahtsham Manzoor, Wanling Cai, and Li Chen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.319431345375751
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems are software applications that help users to find items of interest in situations of information overload. Current research often assumes a one-shot interaction paradigm, where the users' preferences are estimated based on past observed behavior and where the presentation of a ranked list of suggestions is the main, one-directional form of user interaction. Conversational recommender systems (CRS) take a different approach and support a richer set of interactions. These interactions can, for example, help to improve the preference elicitation process or allow the user to ask questions about the recommendations and to give feedback. The interest in CRS has significantly increased in the past few years. This development is mainly due to the significant progress in the area of natural language processing, the emergence of new voice-controlled home assistants, and the increased use of chatbot technology. With this paper, we provide a detailed survey of existing approaches to conversational recommendation. We categorize these approaches in various dimensions, e.g., in terms of the supported user intents or the knowledge they use in the background. Moreover, we discuss technological approaches, review how CRS are evaluated, and finally identify a number of gaps that deserve more research in the future.
• Abstract（参考訳）: recommender systemsは、ユーザーが情報過負荷の状況に興味のあるアイテムを見つけるのに役立つソフトウェアアプリケーションである。 現在の研究では、過去の観察行動に基づいてユーザの嗜好を推定するワンショットインタラクションパラダイムと、ユーザインタラクションの主要な1方向の形式である提案のランク付けリストの提示を前提としている。 conversational recommender systems(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。 これらのインタラクションは、例えば、好みの推論プロセスを改善するのに役立ち、ユーザーが推奨事項について質問したり、フィードバックを与えたりすることができる。 CRSへの関心はここ数年で大幅に増加した。 この開発は、自然言語処理の分野での大きな進歩、新しい音声制御ホームアシスタントの出現、チャットボット技術の利用の増加などが主な原因である。 本稿では,既存の会話レコメンデーションへのアプローチについて,詳細な調査を行う。 これらのアプローチは、例えば、サポート対象のユーザ意図や背景で使用する知識の観点から、さまざまな次元に分類する。 さらに,技術アプローチを議論し,crsの評価方法について検討し,最終的には将来研究に値する多くのギャップを特定した。

関連論文リスト

• Leveraging Knowledge Graph Embedding for Effective Conversational Recommendation [4.079573593766921]
  知識グラフに基づく会話推薦システム(KG-CRS参照)を提案する。 具体的には,まずユーザ・テムグラフとアイテム・アトリビュートグラフを動的グラフに統合し,否定的な項目や属性を除去することで対話プロセス中に動的に変化する。 次に、ユーザ、アイテム、属性の情報埋め込みを、グラフ上の隣人の伝播も考慮して学習する。
  論文  参考訳（メタデータ） (2024-08-02T15:38:55Z)
• User-Centric Conversational Recommendation with Multi-Aspect User Modeling [47.310579802092384]
  CRSタスクにおけるユーザの嗜好学習の本質に回帰するユーザ中心会話推薦(UCCR)モデルを提案する。 複数視点の選好マッパーを用いて,現在および歴史的セッションにおける異なる視点の内在的相関を学習する。 学習したマルチアスペクトのマルチビューユーザ嗜好は、レコメンデーションと対話生成に使用される。
  論文  参考訳（メタデータ） (2022-04-20T07:08:46Z)
• 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)
• Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
  現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。 CRS開発の主な課題を5つの方向にまとめます。 これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
  論文  参考訳（メタデータ） (2021-01-23T08:53:15Z)
• 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)
• Deep Conversational Recommender Systems: A New Frontier for Goal-Oriented Dialogue Systems [54.06971074217952]
  Conversational Recommender System (CRS)は対話型対話を通じてユーザの好みを学習し、モデル化する。 ディープラーニングアプローチはCRSに適用され、実りある結果を生み出した。
  論文  参考訳（メタデータ） (2020-04-28T02:20:42Z)
• A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
  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。
  論文  参考訳（メタデータ） (2020-02-12T15:59:31Z)

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。