論文の概要: INSPIRED: Toward Sociable Recommendation Dialog Systems

• arxiv url: http://arxiv.org/abs/2009.14306v2
• Date: Thu, 8 Oct 2020 06:17:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 06:18:39.760711
• Title: INSPIRED: Toward Sociable Recommendation Dialog Systems
• Title（参考訳）: INSPIRED: Sociable Recommendation Dialog Systemsを目指して
• Authors: Shirley Anugrah Hayati, Dongyeop Kang, Qingxiaoyang Zhu, Weiyan Shi, and Zhou Yu
• Abstract要約: レコメンデーションダイアログでは、人間は通常自分の好みを開示し、友好的な方法でレコメンデーションを行う。 本稿では,映画レコメンデーションのための1,001人の人間-人間ダイアログのデータセットを提案する。 分析の結果,個人意見の共有や励ましとのコミュニケーションといった社会的レコメンデーション戦略が,より頻繁に実施されることが示唆された。
• 参考スコア（独自算出の注目度）: 51.1063713492648
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In recommendation dialogs, humans commonly disclose their preference and make recommendations in a friendly manner. However, this is a challenge when developing a sociable recommendation dialog system, due to the lack of dialog dataset annotated with such sociable strategies. Therefore, we present INSPIRED, a new dataset of 1,001 human-human dialogs for movie recommendation with measures for successful recommendations. To better understand how humans make recommendations in communication, we design an annotation scheme related to recommendation strategies based on social science theories and annotate these dialogs. Our analysis shows that sociable recommendation strategies, such as sharing personal opinions or communicating with encouragement, more frequently lead to successful recommendations. Based on our dataset, we train end-to-end recommendation dialog systems with and without our strategy labels. In both automatic and human evaluation, our model with strategy incorporation outperforms the baseline model. This work is a first step for building sociable recommendation dialog systems with a basis of social science theories.
• Abstract（参考訳）: レコメンデーションダイアログでは、人間は通常自分の好みを開示し、友好的な方法でレコメンデーションを行う。 しかしながら,このような暗黙の戦略でアノテートされた対話データセットが欠如していることから,暗黙の推奨ダイアログシステムを開発する場合,これは課題となる。 そこで本研究では,映画レコメンデーションのための新しい1,001人の人間対話データセットであるINSPIREDを提案する。 コミュニケーションにおいて人間がどのように推薦するかをよりよく理解するために、社会科学理論に基づいた推薦戦略に関連する注釈スキームをデザインし、これらのダイアログを注釈化する。 分析の結果,個人の意見の共有や励ましとのコミュニケーションなど,適切なレコメンデーション戦略が,より頻繁にレコメンデーションの成功につながることが示された。 データセットに基づいて、戦略ラベルなしでエンドツーエンドのレコメンデーションダイアログシステムをトレーニングします。 自動評価と人間評価の両方において,戦略導入モデルがベースラインモデルを上回る。 本研究は,社会科学理論に基づく推薦対話システム構築のための第一歩である。

関連論文リスト

• Extracting user needs with Chat-GPT for dialogue recommendation [0.0]
  大規模言語モデル(LLM)は、ますます洗練され、人間のような能力を示している。 OpenAIのChat-GPTは対話システムとして非常に高い推論能力を持ち、高品質な文を生成する能力を持っている。
  論文  参考訳（メタデータ） (2023-10-30T06:41:26Z)
• AUGUST: an Automatic Generation Understudy for Synthesizing Conversational Recommendation Datasets [56.052803235932686]
  本稿では,大規模かつ高品質なレコメンデーションダイアログを生成する新しい自動データセット合成手法を提案する。 i)従来のレコメンデーションデータセットからの豊富なパーソナライズされたユーザプロファイル、(ii)知識グラフからの豊富な外部知識、(iii)人間対人間会話レコメンデーションデータセットに含まれる会話能力。
  論文  参考訳（メタデータ） (2023-06-16T05:27:14Z)
• Towards the design of user-centric strategy recommendation systems for collaborative Human-AI tasks [2.0454959820861727]
  ユーザ中心の戦略レコメンデーションシステムを設計しながら、考慮すべき重要な要素を理解することを目指す。 我々は,異なる人格型を持つユーザの嗜好を,異なる戦略推薦システムへ向けて測定するための人物体実験を行った。 その結果、良心のような特定の性格特性が、特定のタイプのシステムに対する嗜好に特に影響を及ぼすことが判明した。
  論文  参考訳（メタデータ） (2023-01-17T17:53:27Z)
• Aligning Recommendation and Conversation via Dual Imitation [56.236932446280825]
  提案するDICR(Dual Imitation for Conversational Recommendation)は,リコメンデーションパスとユーザ関心シフトパスを明確に整合させる2つの模倣を設計する。 アライメント信号の交換により、DICRはレコメンデーションと会話モジュール間の双方向のプロモーションを実現する。 実験により、DICRは推奨と会話のパフォーマンスに関する最先端モデルよりも、自動的、人的、斬新な説明可能性の指標の方が優れていることが示された。
  論文  参考訳（メタデータ） (2022-11-05T08:13:46Z)
• Follow Me: Conversation Planning for Target-driven Recommendation Dialogue Systems [9.99763097964222]
  推薦対話システムは,ユーザとソーシャル・ボンドを構築し,高品質なレコメンデーションを提供することを目的としている。 本稿では,目標駆動型レコメンデーション対話システムという,将来的なパラダイムを推し進める。 ユーザが会話を通じて、指定されたターゲットを徐々に受け入れるように、自然に誘導する方法に重点を置いています。
  論文  参考訳（メタデータ） (2022-08-06T13:23:42Z)
• Self-Supervised Bot Play for Conversational Recommendation with Justifications [3.015622397986615]
  会話レコメンデーションシステムのトレーニングを行うための新しい2部フレームワークを開発した。 まず,提案する項目を共同で提案し,その推論を主観的な側面で正当化するために,推薦システムを訓練する。 次に、このモデルを微調整して、自己教師型ボットプレイによる反復的なユーザフィードバックを組み込む。
  論文  参考訳（メタデータ） (2021-12-09T20:07:41Z)
• User Memory Reasoning for Conversational Recommendation [68.34475157544246]
  本研究では,ユーザの過去の(オフライン)好みと現在の(オンライン)要求を動的に管理する対話レコメンデーションモデルについて検討する。 MGConvRexはユーザメモリ上の人間レベルの推論をキャプチャし、推奨のためにゼロショット(コールドスタート)推論のためにユーザのトレーニング/テストセットを分離する。
  論文  参考訳（メタデータ） (2020-05-30T05:29:23Z)
• Towards Conversational Recommendation over Multi-Type Dialogs [78.52354759386296]
  ボットは、非推奨ダイアログからレコメンデーションダイアログへの会話を積極的に自然に導くことができる。 この課題の研究を容易にするために,人間と人による中国語対話データセットemphDuRecDial(約10k対話,約156k発話)を作成する。 各ダイアログでは、リコメンデータが積極的にマルチタイプのダイアログを導き、レコメンデーションターゲットにアプローチし、リッチなインタラクション動作で複数のレコメンデーションを行う。
  論文  参考訳（メタデータ） (2020-05-08T11:01:21Z)
• 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。