論文の概要: UCEpic: Unifying Aspect Planning and Lexical Constraints for Generating
Explanations in Recommendation
- arxiv url: http://arxiv.org/abs/2209.13885v2
- Date: Sat, 3 Jun 2023 18:02:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 04:45:06.619444
- Title: UCEpic: Unifying Aspect Planning and Lexical Constraints for Generating
Explanations in Recommendation
- Title(参考訳): UCEpic:レコメンデーションにおける説明生成のためのアスペクト計画と語彙制約の統合
- Authors: Jiacheng Li, Zhankui He, Jingbo Shang, Julian McAuley
- Abstract要約: 本稿では,高品質なパーソナライズされたパーソナライズされた説明文を生成するモデルであるUCEpicを提案する。
UCEpicはアスペクト計画と語彙制約をひとつのフレームワークに統合し、異なる設定で説明を生成する。
従来のレコメンデーション・ジェネレータと比べ、UCEpicはキーフレーズから特定の情報を取り入れている。
- 参考スコア(独自算出の注目度): 26.307290414735643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personalized natural language generation for explainable recommendations
plays a key role in justifying why a recommendation might match a user's
interests. Existing models usually control the generation process by aspect
planning. While promising, these aspect-planning methods struggle to generate
specific information correctly, which prevents generated explanations from
being convincing. In this paper, we claim that introducing lexical constraints
can alleviate the above issues. We propose a model, UCEpic, that generates
high-quality personalized explanations for recommendation results by unifying
aspect planning and lexical constraints in an insertion-based generation
manner.
Methodologically, to ensure text generation quality and robustness to various
lexical constraints, we pre-train a non-personalized text generator via our
proposed robust insertion process. Then, to obtain personalized explanations
under this framework of insertion-based generation, we design a method of
incorporating aspect planning and personalized references into the insertion
process. Hence, UCEpic unifies aspect planning and lexical constraints into one
framework and generates explanations for recommendations under different
settings. Compared to previous recommendation explanation generators controlled
by only aspects, UCEpic incorporates specific information from keyphrases and
then largely improves the diversity and informativeness of generated
explanations for recommendations on datasets such as RateBeer and Yelp.
- Abstract(参考訳): 説明可能なレコメンデーションのためのパーソナライズされた自然言語生成は、レコメンデーションがユーザーの興味にマッチする理由を正当化する上で重要な役割を果たす。
既存のモデルは通常、アスペクト計画によって生成プロセスを制御する。
これらのアスペクトプランニング手法は有望な一方で、特定の情報を正しく生成するのに苦労しているため、生成された説明が納得できない。
本稿では,語彙制約の導入によって,上記の問題を緩和できると主張する。
アスペクト計画と語彙制約を挿入ベース生成方式で統一し,高品質なパーソナライズされたレコメンデーション結果の説明を生成するモデルであるUCEpicを提案する。
提案するロバスト挿入プロセスにより,テキスト生成品質と各種語彙制約に対するロバスト性を確保するために,非個人化テキスト生成装置を事前学習する。
そして,この挿入ベース生成の枠組みの下でパーソナライズされた説明を得るために,アスペクト計画とパーソナライズされた参照を挿入プロセスに組み込む手法を設計する。
したがって、UCEpicはアスペクト計画と語彙制約をひとつのフレームワークに統合し、異なる設定下でレコメンデーションの説明を生成する。
従来のレコメンデーション説明ジェネレータをアスペクトのみで制御するのに対して、UCEpicはキーフレーズから特定の情報を取り込んで、RateBeerやYelpといったデータセットのレコメンデーションのために生成された説明の多様性と情報性を大幅に改善する。
関連論文リスト
- End-to-End Learnable Item Tokenization for Generative Recommendation [51.82768744368208]
本稿では,アイテムのトークン化と生成レコメンデーションをシームレスに統合した,新しいエンドツーエンド生成レコメンダであるETEGRecを提案する。
本フレームワークは、アイテムトークン化器と生成レコメンデータで構成されるデュアルエンコーダデコーダアーキテクチャに基づいて開発されている。
論文 参考訳(メタデータ) (2024-09-09T12:11:53Z) - Learnable Item Tokenization for Generative Recommendation [78.30417863309061]
LETTER (Larnable Tokenizer for generaTivE Recommendation) を提案する。
LETTERは、セマンティック正規化のためのResidual Quantized VAE、協調正規化のためのコントラストアライメント損失、コードの割り当てバイアスを軽減するための多様性損失を組み込んでいる。
論文 参考訳(メタデータ) (2024-05-12T15:49:38Z) - Linear Alignment: A Closed-form Solution for Aligning Human Preferences without Tuning and Feedback [70.32795295142648]
リニアアライメントは、言語モデルと人間の好みを1つの推論ステップで整列する新しいアルゴリズムである。
一般的な選好データセットとパーソナライズされた選好データセットの実験により、線形アライメントはLLMアライメントの性能と効率を大幅に向上させることが示された。
論文 参考訳(メタデータ) (2024-01-21T10:46:23Z) - Logic-Scaffolding: Personalized Aspect-Instructed Recommendation
Explanation Generation using LLMs [20.446594942586604]
我々は、アスペクトベースの説明とチェーン・オブ・思想のアイデアを組み合わせて、中間的推論ステップを通じて説明を生成するLogic-Scaffoldingというフレームワークを提案する。
本稿では,フレームワーク構築の経験を共有し,その結果を探索するためのインタラクティブなデモンストレーションを行う。
論文 参考訳(メタデータ) (2023-12-22T00:30:10Z) - Toward Unified Controllable Text Generation via Regular Expression
Instruction [56.68753672187368]
本稿では,正規表現の利点をフル活用し,多様な制約を一様にモデル化する命令ベース機構を用いた正規表現指導(REI)を提案する。
提案手法では,中規模言語モデルの微調整や,大規模言語モデルでの少数ショット・インコンテクスト学習のみを要し,各種制約の組み合わせに適用した場合のさらなる調整は不要である。
論文 参考訳(メタデータ) (2023-09-19T09:05:14Z) - Explainable Recommender with Geometric Information Bottleneck [25.703872435370585]
本稿では,ユーザ-イテム相互作用から学習した幾何学的事前学習を変分ネットワークに組み込むことを提案する。
個々のユーザとイテムペアからの遅延因子は、レコメンデーションと説明生成の両方に使用することができる。
3つの電子商取引データセットの実験結果から,我々のモデルは変分レコメンデータの解釈可能性を大幅に向上させることが示された。
論文 参考訳(メタデータ) (2023-05-09T10:38:36Z) - Graph-based Extractive Explainer for Recommendations [38.278148661173525]
ユーザ,項目,属性,文をシームレスに統合し,抽出に基づく説明を行うグラフ注意型ニューラルネットワークモデルを開発した。
個々の文の関連性, 属性カバレッジ, 内容冗長性のバランスをとるために, 整数線形プログラミング問題を解くことにより, 文の最終的な選択を行う。
論文 参考訳(メタデータ) (2022-02-20T04:56:10Z) - Hierarchical Aspect-guided Explanation Generation for Explainable
Recommendation [37.36148651206039]
階層的アスペクト誘導説明生成(HAG)という新しい説明生成フレームワークを提案する。
アスペクト誘導グラフプーリング演算子は、アスペクト関連情報をレビューベースの構文グラフから抽出するために提案される。
そして、アテンション機構に基づいてアスペクトおよびアスペクト関連説明を生成する階層的説明デコーダを開発する。
論文 参考訳(メタデータ) (2021-10-20T03:28:58Z) - Controllable Summarization with Constrained Markov Decision Process [50.04321779376415]
本研究では,ユーザが特定の属性を制御できる可制御テキスト要約について検討する。
制約付きマルコフ決定プロセス(CMDP)に基づく新しいトレーニングフレームワークを提案する。
我々のフレームワークは、長さ、被覆された実体、抽象性など、要約の重要な属性を制御するために応用できる。
論文 参考訳(メタデータ) (2021-08-07T09:12:53Z) - Generate Natural Language Explanations for Recommendation [25.670144526037134]
パーソナライズドレコメンデーションのために,フリーテキストの自然言語説明を作成することを提案する。
特に,パーソナライズされた説明生成のための階層型シーケンス・ツー・シーケンスモデル(hss)を提案する。
論文 参考訳(メタデータ) (2021-01-09T17:00:41Z) - Improving Adversarial Text Generation by Modeling the Distant Future [155.83051741029732]
テキスト計画手法を考察し、上記の問題を緩和するためのモデルに基づく模倣学習手法を提案する。
本稿では,より長い地平線上の生成過程に焦点をあてる新しいガイドネットワークを提案する。
論文 参考訳(メタデータ) (2020-05-04T05:45:13Z)
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。