論文の概要: CRSLab: An Open-Source Toolkit for Building Conversational Recommender
System
- arxiv url: http://arxiv.org/abs/2101.00939v1
- Date: Mon, 4 Jan 2021 13:10:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-11 22:55:02.441393
- Title: CRSLab: An Open-Source Toolkit for Building Conversational Recommender
System
- Title(参考訳): CRSLab:会話レコメンダシステム構築のためのオープンソースツールキット
- Authors: Kun Zhou, Xiaolei Wang, Yuanhang Zhou, Chenzhan Shang, Yuan Cheng,
Wayne Xin Zhao, Yaliang Li, Ji-Rong Wen
- Abstract要約: 会話推薦システム(CRS)は、研究コミュニティで多くの注目を集めています。
crsに関する既存の研究はシナリオ、目標、技術によって異なり、統一された実装や比較が欠けている。
オープンソースCRSツールキットCRSLabを提案し、CRSを開発するために高度に分離されたモジュールを備えた統合フレームワークを提供する。
- 参考スコア(独自算出の注目度): 57.208266345350474
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, conversational recommender system (CRS) has received much
attention in the research community. However, existing studies on CRS vary in
scenarios, goals and techniques, lacking unified, standardized implementation
or comparison. To tackle this challenge, we propose an open-source CRS toolkit
CRSLab, which provides a unified and extensible framework with highly-decoupled
modules to develop CRSs. Based on this framework, we collect 6 commonly-used
human-annotated CRS datasets and implement 18 models that include recent
techniques such as graph neural network and pre-training models. Besides, our
toolkit provides a series of automatic evaluation protocols and a human-machine
interaction interface to test and compare different CRS methods. The project
and documents are released at https://github.com/RUCAIBox/CRSLab.
- Abstract(参考訳): 近年,会話推薦システム (CRS) が研究コミュニティで注目されている。
しかし、CRSに関する既存の研究は、シナリオ、ゴール、技術、統一された標準化された実装、比較が欠如している。
この課題に取り組むために,我々はcrssを開発するための高度に分離されたモジュールで統一された拡張可能なフレームワークを提供するオープンソースのcrsツールキットcrslabを提案する。
このフレームワークに基づき,共通に使用されている6つのcrsデータセットを収集し,グラフニューラルネットワークや事前学習モデルなどの最近の技術を含む18のモデルを実装した。
さらに,本ツールキットは,各種CRS手法のテストおよび比較を行うための,一連の自動評価プロトコルとヒューマンマシンインタラクションインタフェースを提供する。
プロジェクトとドキュメントはhttps://github.com/RUCAIBox/CRSLabで公開されている。
関連論文リスト
- A Conversation is Worth A Thousand Recommendations: A Survey of Holistic
Conversational Recommender Systems [54.78815548652424]
会話レコメンデータシステムは対話的なプロセスを通じてレコメンデーションを生成する。
すべてのCRSアプローチが、インタラクションデータのソースとして人間の会話を使用するわけではない。
全体論的CRSは、現実世界のシナリオから収集された会話データを使って訓練される。
論文 参考訳(メタデータ) (2023-09-14T12:55:23Z) - Zero-shot Composed Text-Image Retrieval [72.43790281036584]
合成画像検索(CIR)の問題点を考察する。
テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
論文 参考訳(メタデータ) (2023-06-12T17:56:01Z) - Conversational Recommendation as Retrieval: A Simple, Strong Baseline [4.737923227003888]
会話レコメンデーションシステム(CRS)は,自然言語会話を通じて適切な項目をユーザに推薦することを目的としている。
ほとんどのCRSアプローチは、これらの会話によって提供されるシグナルを効果的に利用しない。
CRS項目推薦タスクに対して、代替情報検索(IR)スタイルのアプローチを提案する。
論文 参考訳(メタデータ) (2023-05-23T06:21:31Z) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳(メタデータ) (2023-05-22T15:12:43Z) - FORCE: A Framework of Rule-Based Conversational Recommender System [37.28739413801297]
本稿では,ルールベースの会話レコメンダシステムFOCEを提案する。
FORCEは開発者が簡単な設定でCRSボットを素早く構築するのに役立つ。
異なる言語とドメインの2つのデータセットで実験を行い、その有効性とユーザビリティを検証する。
論文 参考訳(メタデータ) (2022-03-18T15:01:32Z) - Neural Model Reprogramming with Similarity Based Mapping for
Low-Resource Spoken Command Recognition [71.96870151495536]
低リソース音声コマンド認識(SCR)のための新しいAR手法を提案する。
ARプロシージャは、(対象領域から)音響信号を修正して、事前訓練されたSCRモデルを再利用することを目的としている。
提案したAR-SCRシステムについて,アラビア語,リトアニア語,マンダリン語を含む3つの低リソースSCRデータセットを用いて評価した。
論文 参考訳(メタデータ) (2021-10-08T05:07:35Z) - Machine Collaboration [18.939285469943936]
機械協調(MaC)と呼ばれる教師あり学習のための新しいアンサンブルフレームワークを提案する。
バッグング/スタック(並列で独立したフレームワーク)やブースト(シーケンシャルでトップダウンのフレームワーク)とは異なり、MaCは円形でインタラクティブな学習フレームワークの一種です。
シミュレーションデータと119ベンチマーク実データの両方を用いて,MACの広範な実験を行う。
論文 参考訳(メタデータ) (2021-05-06T10:27:03Z) - 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)
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。