論文の概要: Aligning Recommendation and Conversation via Dual Imitation

• arxiv url: http://arxiv.org/abs/2211.02848v1
• Date: Sat, 5 Nov 2022 08:13:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 16:46:59.607132
• Title: Aligning Recommendation and Conversation via Dual Imitation
• Title（参考訳）: デュアル・イミテーションによるレコメンデーションと会話の調整
• Authors: Jinfeng Zhou, Bo Wang, Minlie Huang, Dongming Zhao, Kun Huang, Ruifang He, Yuexian Hou
• Abstract要約: 提案するDICR(Dual Imitation for Conversational Recommendation)は,リコメンデーションパスとユーザ関心シフトパスを明確に整合させる2つの模倣を設計する。 アライメント信号の交換により、DICRはレコメンデーションと会話モジュール間の双方向のプロモーションを実現する。 実験により、DICRは推奨と会話のパフォーマンスに関する最先端モデルよりも、自動的、人的、斬新な説明可能性の指標の方が優れていることが示された。
• 参考スコア（独自算出の注目度）: 56.236932446280825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human conversations of recommendation naturally involve the shift of interests which can align the recommendation actions and conversation process to make accurate recommendations with rich explanations. However, existing conversational recommendation systems (CRS) ignore the advantage of user interest shift in connecting recommendation and conversation, which leads to an ineffective loose coupling structure of CRS. To address this issue, by modeling the recommendation actions as recommendation paths in a knowledge graph (KG), we propose DICR (Dual Imitation for Conversational Recommendation), which designs a dual imitation to explicitly align the recommendation paths and user interest shift paths in a recommendation module and a conversation module, respectively. By exchanging alignment signals, DICR achieves bidirectional promotion between recommendation and conversation modules and generates high-quality responses with accurate recommendations and coherent explanations. Experiments demonstrate that DICR outperforms the state-of-the-art models on recommendation and conversation performance with automatic, human, and novel explainability metrics.
• Abstract（参考訳）: 人間による推薦の会話には、リコメンデーションアクションと会話プロセスが整合して、豊富な説明とともに正確なレコメンデーションを行う、という関心の変化が自然に伴う。 しかし、既存の会話レコメンデーションシステム(CRS)は、ユーザの関心の移り変わりを無視し、レコメンデーションと会話を結びつけることで、CRSの非効率な疎結合構造をもたらす。 この問題を解決するため、知識グラフ(KG)のレコメンデーションパスとしてレコメンデーションアクションをモデル化することにより、レコメンデーションモジュールと会話モジュールのレコメンデーションパスとユーザ関心シフトパスを明確に整合させる2つの模倣を設計するDICR(Dual Imitation for Conversational Recommendation)を提案する。 アライメント信号の交換により、DICRはレコメンデーションと会話モジュール間の双方向の促進を実現し、高精度なレコメンデーションとコヒーレントな説明で高品質な応答を生成する。 実験により、DICRは推奨と会話のパフォーマンスに関する最先端モデルよりも、自動的、人的、斬新な説明可能性指標の方が優れていることが示された。

関連論文リスト

• Leveraging Knowledge Graph Embedding for Effective Conversational Recommendation [4.079573593766921]
  知識グラフに基づく会話推薦システム(KG-CRS参照)を提案する。 具体的には,まずユーザ・テムグラフとアイテム・アトリビュートグラフを動的グラフに統合し,否定的な項目や属性を除去することで対話プロセス中に動的に変化する。 次に、ユーザ、アイテム、属性の情報埋め込みを、グラフ上の隣人の伝播も考慮して学習する。
  論文  参考訳（メタデータ） (2024-08-02T15:38:55Z)
• Navigating User Experience of ChatGPT-based Conversational Recommender Systems: The Effects of Prompt Guidance and Recommendation Domain [15.179413273734761]
  本研究では,プロンプトガイダンス(PG)とレコメンデーションドメイン(RD)がシステム全体のユーザエクスペリエンスに与える影響について検討する。 その結果,PGはシステムの説明可能性,適応性,使いやすさ,透明性を著しく向上させることができることがわかった。
  論文  参考訳（メタデータ） (2024-05-22T11:49:40Z)
• 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)
• 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)
• Self-Supervised Bot Play for Conversational Recommendation with Justifications [3.015622397986615]
  会話レコメンデーションシステムのトレーニングを行うための新しい2部フレームワークを開発した。 まず,提案する項目を共同で提案し,その推論を主観的な側面で正当化するために,推薦システムを訓練する。 次に、このモデルを微調整して、自己教師型ボットプレイによる反復的なユーザフィードバックを組み込む。
  論文  参考訳（メタデータ） (2021-12-09T20:07:41Z)
• 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)
• 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)
• INSPIRED: Toward Sociable Recommendation Dialog Systems [51.1063713492648]
  レコメンデーションダイアログでは、人間は通常自分の好みを開示し、友好的な方法でレコメンデーションを行う。 本稿では,映画レコメンデーションのための1,001人の人間-人間ダイアログのデータセットを提案する。 分析の結果,個人意見の共有や励ましとのコミュニケーションといった社会的レコメンデーション戦略が,より頻繁に実施されることが示唆された。
  論文  参考訳（メタデータ） (2020-09-29T21:03:44Z)
• 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。