論文の概要: Long Short-Term Planning for Conversational Recommendation Systems

• arxiv url: http://arxiv.org/abs/2310.14609v1
• Date: Mon, 23 Oct 2023 06:34:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 22:09:35.384325
• Title: Long Short-Term Planning for Conversational Recommendation Systems
• Title（参考訳）: 会話レコメンデーションシステムのための長期短期計画
• Authors: Xian Li, Hongguang Shi, Yunfei Wang, Yeqin Zhang, Xubin Li and Cam-Tu Nguyen
• Abstract要約: 本稿では,CRSの2つの重要なコンポーネントを接続する,長期的フィードバックアーキテクチャを提案する。 このレコメンデーションは、会話コンテキストとユーザ履歴に基づいて、長期的なレコメンデーションターゲットを予測する。 バランスフィードバックループは、短期プランナー出力が長期プランナー出力と一致するまで継続する。
• 参考スコア（独自算出の注目度）: 34.615764340767946
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In Conversational Recommendation Systems (CRS), the central question is how the conversational agent can naturally ask for user preferences and provide suitable recommendations. Existing works mainly follow the hierarchical architecture, where a higher policy decides whether to invoke the conversation module (to ask questions) or the recommendation module (to make recommendations). This architecture prevents these two components from fully interacting with each other. In contrast, this paper proposes a novel architecture, the long short-term feedback architecture, to connect these two essential components in CRS. Specifically, the recommendation predicts the long-term recommendation target based on the conversational context and the user history. Driven by the targeted recommendation, the conversational model predicts the next topic or attribute to verify if the user preference matches the target. The balance feedback loop continues until the short-term planner output matches the long-term planner output, that is when the system should make the recommendation.
• Abstract（参考訳）: Conversational Recommendation Systems (CRS) では、会話エージェントが自然にユーザの好みを尋ね、適切なレコメンデーションを提供する方法が問題となっている。 既存の作業は主に階層的なアーキテクチャに従っており、より高いポリシーは会話モジュールを呼び出す(質問する)かレコメンデーションモジュールを呼び出す(推薦する)かを決定する。 このアーキテクチャは、これら2つのコンポーネントが互いに完全に相互作用することを防ぐ。 対照的に,本稿では,これら2つの重要なコンポーネントをCRSに接続する,長期的フィードバックアーキテクチャを提案する。 具体的には、会話コンテキストとユーザ履歴に基づいて、長期的な推薦対象を予測する。 ターゲットのレコメンデーションによって、会話モデルは次のトピックや属性を予測し、ユーザの好みがターゲットと一致するかどうかを検証する。 バランスフィードバックループは、短期プランナー出力が長期プランナー出力と一致するまで継続する。

関連論文リスト

• CoRE-CoG: Conversational Recommendation of Entities using Constrained Generation [46.05111252227757]
  対話履歴と知識ベース(KB)の両方を活用して、エンドツーエンドの会話レコメンデーションシステムにより応答を生成する CRSは、主に3つの重要な課題に直面している。(1) 各ターンで、KBエンティティの推奨が適切かどうかを判断し、もしそうであれば、推奨すべき最も関連性の高いKBエンティティを特定し、最後に、会話履歴と整合した流線型発話でエンティティを推薦する必要がある。 CoRE-CoGは、システム発話がエンティティを含むべきかどうかを決定するレコメンデーショントリガ、推奨エンティティの関連性を改善するタイププルーニングモジュール、新しい制約された応答を実装することで、以前のシステムの制限に対処する。
  論文  参考訳（メタデータ） (2023-11-14T20:07:34Z)
• Aligning Recommendation and Conversation via Dual Imitation [56.236932446280825]
  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。
  論文  参考訳（メタデータ） (2022-11-05T08:13:46Z)
• Customized Conversational Recommender Systems [45.84713970070487]
  会話レコメンデータシステム(CRS)は、ユーザの現在の意図を捉え、リアルタイムなマルチターン対話によるレコメンデーションを提供することを目的としている。 本稿では,3つの視点からCRSモデルをカスタマイズした新しいCRSモデルであるCustomized Conversational Recommender System(CCRS)を提案する。 パーソナライズされたレコメンデーションを提供するために,対話コンテキストからユーザの現在あるきめ細かい意図を,ユーザ固有の嗜好のガイダンスで抽出する。
  論文  参考訳（メタデータ） (2022-06-30T09:45:36Z)
• 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)
• 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)
• 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)
• A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
  ベイズ的アプローチに基づく会話推薦システムを提案する。 エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
  論文  参考訳（メタデータ） (2020-02-12T15:59:31Z)

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。