論文の概要: Learning to Ask Appropriate Questions in Conversational Recommendation
- arxiv url: http://arxiv.org/abs/2105.04774v1
- Date: Tue, 11 May 2021 03:58:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-13 01:05:23.196970
- Title: Learning to Ask Appropriate Questions in Conversational Recommendation
- Title（参考訳）: 会話レコメンデーションにおける適切な質問への学習
- Authors: Xuhui Ren, Hongzhi Yin, Tong Chen, Hao Wang, Zi Huang, Kai Zheng
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 49.31942688227828
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conversational recommender systems (CRSs) have revolutionized the
conventional recommendation paradigm by embracing dialogue agents to
dynamically capture the fine-grained user preference. In a typical
conversational recommendation scenario, a CRS firstly generates questions to
let the user clarify her/his demands and then makes suitable recommendations.
Hence, the ability to generate suitable clarifying questions is the key to
timely tracing users' dynamic preferences and achieving successful
recommendations. However, existing CRSs fall short in asking high-quality
questions because: (1) system-generated responses heavily depends on the
performance of the dialogue policy agent, which has to be trained with huge
conversation corpus to cover all circumstances; and (2) current CRSs cannot
fully utilize the learned latent user profiles for generating appropriate and
personalized responses.
To mitigate these issues, we propose the Knowledge-Based Question Generation
System (KBQG), a novel framework for conversational recommendation. Distinct
from previous conversational recommender systems, KBQG models a user's
preference in a finer granularity by identifying the most relevant relations
from a structured knowledge graph (KG). Conditioned on the varied importance of
different relations, the generated clarifying questions could perform better in
impelling users to provide more details on their preferences. Finially,
accurate recommendations can be generated in fewer conversational turns.
Furthermore, the proposed KBQG outperforms all baselines in our experiments on
two real-world datasets.
- Abstract（参考訳）: 対話型推薦システム (CRS) は, 対話エージェントを取り入れ, ユーザの好みを動的に把握することで, 従来の推薦パラダイムに革命をもたらした。
典型的な会話レコメンデーションシナリオでは、CRSはまず質問を生成し、ユーザの要求を明確にし、適切なレコメンデーションを行う。
したがって、適切な明確な質問を生成する能力は、ユーザの動的好みをタイムリーに追跡し、適切な推奨を達成するための鍵となる。
しかし、既存のCRSは、(1)システム生成応答は、あらゆる状況をカバーするために、巨大な会話コーパスで訓練する必要がある対話ポリシーエージェントの性能に大きく依存している、(2)学習済みユーザプロファイルを適切にパーソナライズされた応答を生成するために、完全に活用できないため、高品質な質問に不足している。
そこで本研究では,会話推薦のための新しい枠組みである知識ベース質問生成システム(kbqg)を提案する。
従来の会話レコメンデータシステムとは違い、KBQGは構造化知識グラフ(KG)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細かい粒度でモデル化する。
異なる関係のさまざまな重要性を条件として、生成された明確化質問は、ユーザに好みに関するより詳細な情報を提供するよう促すのに役立つかもしれない。
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。
さらに,提案したKBQGは,実世界の2つのデータセットを用いた実験において,すべてのベースラインを上回ります。
関連論文リスト
- Selecting Query-bag as Pseudo Relevance Feedback for Information-seeking Conversations [76.70349332096693]
情報検索対話システムは電子商取引システムで広く利用されている。
クエリバッグに基づくPseudo Relevance Feedback framework(QB-PRF)を提案する。
関連クエリを備えたクエリバッグを構築し、擬似シグナルとして機能し、情報検索の会話をガイドする。
論文 参考訳（メタデータ） (2024-03-22T08:10:32Z) - CoRE-CoG: Conversational Recommendation of Entities using Constrained
Generation [46.05111252227757]
対話履歴と知識ベース(KB)の両方を活用して、エンドツーエンドの会話レコメンデーションシステムにより応答を生成する
CRSは、主に3つの重要な課題に直面している。(1) 各ターンで、KBエンティティの推奨が適切かどうかを判断し、もしそうであれば、推奨すべき最も関連性の高いKBエンティティを特定し、最後に、会話履歴と整合した流線型発話でエンティティを推薦する必要がある。
CoRE-CoGは、システム発話がエンティティを含むべきかどうかを決定するレコメンデーショントリガ、推奨エンティティの関連性を改善するタイププルーニングモジュール、新しい制約された応答を実装することで、以前のシステムの制限に対処する。
論文 参考訳（メタデータ） (2023-11-14T20:07:34Z) - Variational Reasoning over Incomplete Knowledge Graphs for
Conversational Recommendation [48.70062671767362]
不完全KGs会話レコメンダ(VRICR)に対する変分推論を提案する。
我々のキーとなる考え方は、CRSを伴って自然に大きな対話コーパスを組み込んで、不完全なKGを強化することである。
また、KGsの対話特化部分グラフを適応的知識グラフの分類的先行を持つ潜在変数として表す。
論文 参考訳（メタデータ） (2022-12-22T17:02:21Z) - BARCOR: Towards A Unified Framework for Conversational Recommendation
Systems [40.464281243375815]
会話推薦のためのBARTに基づく統合フレームワークを提案する。
また,映画領域におけるCRSのための軽量知識グラフの設計と収集を行う。
論文 参考訳（メタデータ） (2022-03-27T09:42:16Z) - KECRS: Towards Knowledge-Enriched Conversational Recommendation System [50.0292306485452]
chit-chatベースの会話レコメンデーションシステム(crs)は、自然言語インタラクションを通じてユーザーにアイテムレコメンデーションを提供する。
外部知識グラフ(KG)がChit-chatベースのCRSに導入されている。
KECRS(Knowledge-Enriched Conversational Recommendation System)の提案
大規模データセットの実験結果は、KECRSが最先端のキトチャットベースのCRSを上回っていることを示しています。
論文 参考訳（メタデータ） (2021-05-18T03:52:06Z) - CR-Walker: Tree-Structured Graph Reasoning and Dialog Acts for
Conversational Recommendation [62.13413129518165]
CR-Walkerは知識グラフ上で木構造推論を行うモデルである。
インフォメーションダイアログが生成され、言語生成をガイドする。
自動的および人的評価は、CR-Walkerがより正確なレコメンデーションに到達できることを示している。
論文 参考訳（メタデータ） (2020-10-20T14:53:22Z) - 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)
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。