論文の概要: DEUX: An Attribute-Guided Framework for Sociable Recommendation Dialog Systems

• arxiv url: http://arxiv.org/abs/2105.00825v1
• Date: Fri, 16 Apr 2021 12:12:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 20:44:21.208723
• Title: DEUX: An Attribute-Guided Framework for Sociable Recommendation Dialog Systems
• Title（参考訳）: deux: 推薦ダイアログシステムのための属性誘導フレームワーク
• Authors: Yu Li, Shirley Anugrah Hayati, Weiyan Shi and Zhou Yu
• Abstract要約: タスク上のコンテンツとソーシャルコンテンツの両方として実行するよう推奨ダイアログシステムにとって重要である。 従来のダイアログ状態追跡は、ソーシャルコンテンツの属性をトラッキングしないため、そのようなシステムには適用できない。 DEUXは、映画推奨タスクを達成しながら、より良いユーザーエクスペリエンスを作成するための新しい属性ガイドフレームワークです。
• 参考スコア（独自算出の注目度）: 43.329497326119935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is important for sociable recommendation dialog systems to perform as both on-task content and social content to engage users and gain their favor. In addition to understand the user preferences and provide a satisfying recommendation, such systems must be able to generate coherent and natural social conversations to the user. Traditional dialog state tracking cannot be applied to such systems because it does not track the attributes in the social content. To address this challenge, we propose DEUX, a novel attribute-guided framework to create better user experiences while accomplishing a movie recommendation task. DEUX has a module that keeps track of the movie attributes (e.g., favorite genres, actors,etc.) in both user utterances and system responses. This allows the system to introduce new movie attributes in its social content. Then, DEUX has multiple values for the same attribute type which suits the recommendation task since a user may like multiple genres, for instance. Experiments suggest that DEUX outperforms all the baselines on being more consistent, fitting the user preferences better, and providing a more engaging chat experience. Our approach can be used for any similar problems of sociable task-oriented dialog system.
• Abstract（参考訳）: タスク上のコンテンツとソーシャルコンテンツの両方として動作し、ユーザを惹きつけ、その好意を得るためには、レコメンデーションダイアログシステムが重要である。 ユーザの好みを理解し,満足のいく推薦を提供することに加えて,このようなシステムは,ユーザに対して一貫性のある自然な会話を生成できなければならない。 従来のダイアログ状態追跡は、ソーシャルコンテンツの属性をトラッキングしないため、そのようなシステムには適用できない。 この課題に対処するため,映画レコメンデーションタスクを達成しつつ,より良いユーザエクスペリエンスを実現するための新しい属性誘導フレームワークであるDEUXを提案する。 DEUXには、映画の属性(例えば、お気に入りのジャンル、俳優、etc)を追跡するモジュールがある。 ユーザの発話と システム応答の両方においてです これにより、システムはソーシャルコンテンツに新しい映画属性を導入することができる。 そして、DEUXは複数の属性タイプに対して複数の値を持ち、例えばユーザが複数のジャンルを好んでいるため、リコメンデーションタスクに適合する。 実験によると、DEUXは、より一貫性のあること、ユーザの好みに合うこと、より魅力的なチャットエクスペリエンスを提供することで、すべてのベースラインを上回ります。 本手法は,タスク指向対話システムの同様の問題に対して利用できる。

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)
• Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
  マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。 これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。 本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
  論文  参考訳（メタデータ） (2023-10-31T14:12:07Z)
• 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)
• Customized Conversational Recommender Systems [45.84713970070487]
  会話レコメンデータシステム(CRS)は、ユーザの現在の意図を捉え、リアルタイムなマルチターン対話による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,3つの視点からCRSモデルをカスタマイズした新しいCRSモデルであるCustomized Conversational Recommender System(CCRS)を提案する。 パーソナライズされたレコメンデーションを提供するために,対話コンテキストからユーザの現在あるきめ細かい意図を,ユーザ固有の嗜好のガイダンスで抽出する。
  論文  参考訳（メタデータ） (2022-06-30T09:45:36Z)
• NUANCED: Natural Utterance Annotation for Nuanced Conversation with Estimated Distributions [36.00476428803116]
  本研究では,ユーザ中心の対話システムの構築を試みる。 まず,ユーザの好みをシステムオントロジー上の推定分布としてモデル化し,ユーザの発話をそのような分布にマッピングする。 我々は、会話レコメンデーションのための現実的な設定に焦点を当てたNUANCEDという新しいデータセットを構築した。
  論文  参考訳（メタデータ） (2020-10-24T03:23:14Z)
• Optimizing Interactive Systems via Data-Driven Objectives [70.3578528542663]
  本稿では,観察されたユーザインタラクションから直接目的を推測する手法を提案する。 これらの推論は、事前の知識によらず、様々な種類のユーザー行動にまたがって行われる。 本稿では,これらの推定対象を最適化するために利用する新しいアルゴリズムであるInteractive System(ISO)を紹介する。
  論文  参考訳（メタデータ） (2020-06-19T20:49:14Z)
• 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)
• 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)

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。