論文の概要: INSPIRED2: An Improved Dataset for Sociable Conversational
Recommendation
- arxiv url: http://arxiv.org/abs/2208.04104v1
- Date: Mon, 8 Aug 2022 12:51:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-09 12:26:11.069188
- Title: INSPIRED2: An Improved Dataset for Sociable Conversational
Recommendation
- Title(参考訳): inspired2: 会話型レコメンデーションのための改良されたデータセット
- Authors: Ahtsham Manzoor and Dietmar Jannach
- Abstract要約: 自然言語のユーザと対話する会話レコメンデータシステム(CRS)は、ペア化された人間の助けを借りて収集されたレコメンデーションダイアログを利用する。
CRSは、ダイアログに現れ、通常ドメインの知識を活用する、明示的に注釈付けされたアイテムやエンティティに依存します。
本研究では,会話レコメンデーションのためのレコメンデーションダイアログからなるデータセットであるINSPIREDについて検討する。
- 参考スコア(独自算出の注目度): 5.837881923712394
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Conversational recommender systems (CRS) that interact with users in natural
language utilize recommendation dialogs collected with the help of paired
humans, where one plays the role of a seeker and the other as a recommender.
These recommendation dialogs include items and entities to disclose seekers'
preferences in natural language. However, in order to precisely model the
seekers' preferences and respond consistently, mainly CRS rely on explicitly
annotated items and entities that appear in the dialog, and usually leverage
the domain knowledge. In this work, we investigate INSPIRED, a dataset
consisting of recommendation dialogs for the sociable conversational
recommendation, where items and entities were explicitly annotated using
automatic keyword or pattern matching techniques. To this end, we found a large
number of cases where items and entities were either wrongly annotated or
missing annotations at all. The question however remains to what extent
automatic techniques for annotations are effective. Moreover, it is unclear
what is the relative impact of poor and improved annotations on the overall
effectiveness of a CRS in terms of the consistency and quality of responses. In
this regard, first, we manually fixed the annotations and removed the noise in
the INSPIRED dataset. Second, we evaluate the performance of several benchmark
CRS using both versions of the dataset. Our analyses suggest that with the
improved version of the dataset, i.e., INSPIRED2, various benchmark CRS
outperformed and that dialogs are rich in knowledge concepts compared to when
the original version is used. We release our improved dataset (INSPIRED2)
publicly at https://github.com/ahtsham58/INSPIRED2.
- Abstract(参考訳): 自然言語のユーザと対話する会話推薦システム(CRS)は、人間同士の助けを借りて収集されたレコメンデーションダイアログを利用する。
これらのレコメンデーションダイアログには、自然言語におけるシーカーの好みを明らかにするアイテムやエンティティが含まれている。
しかし、探究者の好みを正確にモデル化し、一貫して反応するために、crsは主にダイアログに現れる明示的な注釈付きアイテムとエンティティに依存し、ドメインの知識を利用する。
本研究では,アイテムとエンティティが自動キーワードやパターンマッチング技術を用いて明示的に注釈付けされた会話型リコメンデーションのためのリコメンデーションダイアログからなるデータセットをインスパイアした。
この目的のために、アイテムやエンティティが誤って注釈付けされたり、アノテーションが欠けたりするケースが多数見つかった。
しかしながら、アノテーションの自動手法がどの程度有効かは疑問である。
さらに,CRSの総合的有効性に対するアノテーションの貧弱さと改善の相対的な影響は,応答の一貫性と品質の観点からも明らかでない。
この点に関して、まず、アノテーションを手動で修正し、INSPIREDデータセットのノイズを取り除く。
第2に,データセットの両バージョンを用いたベンチマークcrsの性能評価を行った。
分析の結果,INSPIRED2のデータセットの改良により,様々なベンチマークCRSの性能が向上し,本来のバージョンを用いた場合と比較して,ダイアログは知識概念に富んでいることが示唆された。
改善されたデータセット(INSPIRED2)をhttps://github.com/ahtsham58/INSPIRED2で公開しています。
関連論文リスト
- Towards Empathetic Conversational Recommender Systems [77.53167131692]
本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。
ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。
ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
論文 参考訳(メタデータ) (2024-08-30T15:43:07Z) - 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) - 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) - Improving Items and Contexts Understanding with Descriptive Graph for
Conversational Recommendation [4.640835690336652]
会話レコメンデーションシステム(CRS)における最先端の手法は、外部知識を活用して、項目の表現と文脈の表現を強化する。
我々は,同じ意味空間における項目とその関連する文脈語を共同でモデル化する新しいCRSフレームワークKLEVERを提案する。
CRSデータセットのベンチマーク実験では、KLEVERは特にユーザの応答からの情報が不足している場合に、優れたパフォーマンスを達成することが示されている。
論文 参考訳(メタデータ) (2023-04-11T21:21:46Z) - Talk the Walk: Synthetic Data Generation for Conversational Music
Recommendation [62.019437228000776]
本稿では,広く利用可能なアイテムコレクションにおいて,符号化された専門知識を活用することで,現実的な高品質な会話データを生成するTalkWalkを提案する。
人間の収集したデータセットで100万以上の多様な会話を生成します。
論文 参考訳(メタデータ) (2023-01-27T01:54:16Z) - Improving Conversational Recommendation Systems' Quality with
Context-Aware Item Meta Information [42.88448098873448]
対話レコメンデーションシステム(CRS)は,対話履歴からユーザの好みを推測することでユーザと対話する。
従来のCRSでは、知識グラフ(KG)ベースのレコメンデーションモジュールを使用し、応答生成のための言語モデルとKGを統合する。
本稿では,事前学習言語モデル(PLM)と項目メタデータエンコーダを組み合わせた,シンプルで効果的なアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-12-15T14:12:48Z) - 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) - 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) - 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。