論文の概要: Towards Unified Conversational Recommender Systems via Knowledge-Enhanced Prompt Learning

• arxiv url: http://arxiv.org/abs/2206.09363v1
• Date: Sun, 19 Jun 2022 09:21:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-22 14:04:37.777184
• Title: Towards Unified Conversational Recommender Systems via Knowledge-Enhanced Prompt Learning
• Title（参考訳）: ナレッジエンハンスド・プロンプト・ラーニングによる会話型推薦システムの構築
• Authors: Xiaolei Wang, Kun Zhou, Ji-Rong Wen, Wayne Xin Zhao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 89.64215566478931
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational recommender systems (CRS) aim to proactively elicit user preference and recommend high-quality items through natural language conversations. Typically, a CRS consists of a recommendation module to predict preferred items for users and a conversation module to generate appropriate responses. To develop an effective CRS, it is essential to seamlessly integrate the two modules. Existing works either design semantic alignment strategies, or share knowledge resources and representations between the two modules. However, these approaches still rely on different architectures or techniques to develop the two modules, making it difficult for effective module integration. To address this problem, we propose a unified CRS model named UniCRS based on knowledge-enhanced prompt learning. Our approach unifies the recommendation and conversation subtasks into the prompt learning paradigm, and utilizes knowledge-enhanced prompts based on a fixed pre-trained language model (PLM) to fulfill both subtasks in a unified approach. In the prompt design, we include fused knowledge representations, task-specific soft tokens, and the dialogue context, which can provide sufficient contextual information to adapt the PLM for the CRS task. Besides, for the recommendation subtask, we also incorporate the generated response template as an important part of the prompt, to enhance the information interaction between the two subtasks. Extensive experiments on two public CRS datasets have demonstrated the effectiveness of our approach.
• Abstract（参考訳）: 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。 通常、CRSは、ユーザの好む項目を予測するレコメンデーションモジュールと、適切な応答を生成する会話モジュールから構成される。 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。 既存の作業はセマンティックアライメント戦略を設計するか、2つのモジュール間で知識リソースと表現を共有します。 しかし、これらのアプローチは2つのモジュールを開発するために異なるアーキテクチャやテクニックに依存しているため、効果的なモジュール統合は困難である。 この問題に対処するため,知識強調学習に基づく統一CRSモデルUniCRSを提案する。 提案手法は,提案する提案と会話のサブタスクを即時学習パラダイムに統合し,固定事前学習言語モデル(PLM)に基づく知識強化プロンプトを用いて,両サブタスクを統一的なアプローチで実現する。 プロンプトデザインでは,crsタスクにplmを適用するのに十分なコンテキスト情報を提供するための,融合した知識表現,タスク固有のソフトトークン,対話コンテキストを含む。 さらに、リコメンデーションサブタスクには、生成した応答テンプレートをプロンプトの重要な部分として組み込んで、2つのサブタスク間の情報相互作用を強化する。 2つの公開CRSデータセットに対する大規模な実験は、我々のアプローチの有効性を実証した。

関連論文リスト

• Parameter-Efficient Conversational Recommender System as a Language Processing Task [52.47087212618396]
  会話レコメンデータシステム(CRS)は,自然言語会話を通じてユーザの嗜好を喚起することで,ユーザに対して関連項目を推薦することを目的としている。 先行作業では、アイテムのセマンティック情報、対話生成のための言語モデル、関連する項目のランク付けのためのレコメンデーションモジュールとして、外部知識グラフを利用することが多い。 本稿では、自然言語の項目を表現し、CRSを自然言語処理タスクとして定式化する。
  論文  参考訳（メタデータ） (2024-01-25T14:07:34Z)
• Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
  本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。 KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。 KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-12-18T06:41:23Z)
• Towards a Unified Conversational Recommendation System: Multi-task Learning via Contextualized Knowledge Distillation [5.125530969984795]
  統合会話推薦システム(CRS)のためのマルチタスク学習を提案する。 文脈的知識蒸留(ConKD)を用いた単一モデルによる協調学習 実験の結果,1つのモデルでは,適応度を高めながら推奨性能を著しく向上し,多様性の観点からも同等の結果が得られた。
  論文  参考訳（メタデータ） (2023-10-27T13:06:24Z)
• Improving Conversational Recommendation Systems via Counterfactual Data Simulation [73.4526400381668]
  会話推薦システム(CRS)は、自然言語による会話を通じてレコメンデーションサービスを提供することを目的としている。 既存のCRSアプローチは、トレーニングデータの不足により、トレーニングの不十分な問題に悩まされることが多い。 我々は,CRSにおけるデータ不足の問題を緩和するため,CFCRSと呼ばれるCRSに対するCounterFactualデータシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2023-06-05T12:48:56Z)
• 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)
• 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)
• 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。