論文の概要: BARCOR: Towards A Unified Framework for Conversational Recommendation Systems

• arxiv url: http://arxiv.org/abs/2203.14257v1
• Date: Sun, 27 Mar 2022 09:42:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-02 19:53:48.143729
• Title: BARCOR: Towards A Unified Framework for Conversational Recommendation Systems
• Title（参考訳）: barcor: 会話レコメンデーションシステムのための統一フレームワークを目指して
• Authors: Ting-Chun Wang, Shang-Yu Su, Yun-Nung Chen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 40.464281243375815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommendation systems focus on helping users find items of interest in the situations of information overload, where users' preferences are typically estimated by the past observed behaviors. In contrast, conversational recommendation systems (CRS) aim to understand users' preferences via interactions in conversation flows. CRS is a complex problem that consists of two main tasks: (1) recommendation and (2) response generation. Previous work often tried to solve the problem in a modular manner, where recommenders and response generators are separate neural models. Such modular architectures often come with a complicated and unintuitive connection between the modules, leading to inefficient learning and other issues. In this work, we propose a unified framework based on BART for conversational recommendation, which tackles two tasks in a single model. Furthermore, we also design and collect a lightweight knowledge graph for CRS in the movie domain. The experimental results show that the proposed methods achieve the state-of-the-art performance in terms of both automatic and human evaluation.
• Abstract（参考訳）: 推奨システムは,ユーザの嗜好が過去の観察行動によって推定される情報過負荷の状況において,ユーザが関心を持つ項目を見つけるのを支援することに焦点を当てている。 対照的に、会話レコメンデーションシステム(CRS)は、会話フローにおける対話を通してユーザの好みを理解することを目的としている。 CRSは,(1)レコメンデーションと(2)応答生成という2つの主要なタスクからなる複雑な問題である。 従来の作業では、リコメンダとレスポンスジェネレータが別々のニューラルモデルであるような、モジュール的な方法でこの問題を解決することが多かった。 このようなモジュラーアーキテクチャは、しばしばモジュール間の複雑で直観的なつながりを持ち、非効率な学習やその他の問題につながる。 本稿では,1つのモデルで2つのタスクに取り組む会話推薦のための,bartに基づく統一フレームワークを提案する。 さらに,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。 実験の結果,提案手法は自動評価と人間評価の両面で最先端の性能を得ることができた。

関連論文リスト

• 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)
• Towards Unified Conversational Recommender Systems via Knowledge-Enhanced Prompt Learning [89.64215566478931]
  会話レコメンデータシステム(CRS)は,ユーザの嗜好を積極的に取り入れ,自然言語会話を通じて高品質な項目を推薦することを目的としている。 効果的なCRSを開発するためには、2つのモジュールをシームレスに統合することが不可欠である。 知識強調学習に基づく統一CRSモデルUniCRSを提案する。
  論文  参考訳（メタデータ） (2022-06-19T09:21:27Z)
• 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)
• Knowledge Graph-enhanced Sampling for Conversational Recommender System [20.985222879085832]
  Conversational Recommendation System (CRS) は対話システムの対話形式を用いて従来のレコメンデーションシステムの問題を解決する。 本研究は,知識グラフ強調サンプリング(KGenSam)と呼ばれる,CRSに適した文脈情報強調モデルを提案する。 ユーザ嗜好を得るための不確実性の高いファジィサンプルと、リコメンデータを更新するための信頼性の高い負サンプルをサンプリングすることにより、2つのサンプルが知識を高めるように設計されている。
  論文  参考訳（メタデータ） (2021-10-13T11:00:50Z)
• 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)
• 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)
• Self-Supervised Reinforcement Learning for Recommender Systems [77.38665506495553]
  逐次リコメンデーションタスクのための自己指導型強化学習を提案する。 提案手法は,2つの出力層を持つ標準レコメンデーションモデルを強化する。 このようなアプローチに基づいて、自己監督型Q-ラーニング(SQN)と自己監督型アクター・クライブ(SAC)という2つのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-10T11:18:57Z)

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。