論文の概要: CoRE-CoG: Conversational Recommendation of Entities using Constrained Generation

• arxiv url: http://arxiv.org/abs/2311.08511v1
• Date: Tue, 14 Nov 2023 20:07:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-16 18:31:12.118124
• Title: CoRE-CoG: Conversational Recommendation of Entities using Constrained Generation
• Title（参考訳）: CoRE-CoG:制約生成を用いたエンティティの会話勧告
• Authors: Harshvardhan Srivastava and Kanav Pruthi and Soumen Chakrabarti and Mausam
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 46.05111252227757
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: End-to-end conversational recommendation systems (CRS) generate responses by leveraging both dialog history and a knowledge base (KB). A CRS mainly faces three key challenges: (1) at each turn, it must decide if recommending a KB entity is appropriate; if so, it must identify the most relevant KB entity to recommend; and finally, it must recommend the entity in a fluent utterance that is consistent with the conversation history. Recent CRSs do not pay sufficient attention to these desiderata, often generating unfluent responses or not recommending (relevant) entities at the right turn. We introduce a new CRS we call CoRE-CoG. CoRE-CoG addresses the limitations in prior systems by implementing (1) a recommendation trigger that decides if the system utterance should include an entity, (2) a type pruning module that improves the relevance of recommended entities, and (3) a novel constrained response generator to make recommendations while maintaining fluency. Together, these modules ensure simultaneous accurate recommendation decisions and fluent system utterances. Experiments with recent benchmarks show the superiority particularly on conditional generation sub-tasks with close to 10 F1 and 4 Recall@1 percent points gain over baselines.
• Abstract（参考訳）: 対話履歴と知識ベース(KB)の両方を活用することで、対話推薦システム(CRS)が応答を生成する。 crsは、主に3つの重要な課題に直面している: (1) 各ターンにおいて、kbエンティティを推奨することが適切かどうかを判断しなければならない;もしそうであれば、推奨すべき最も関連するkbエンティティを識別する必要がある。 近年のCRSはこれらのデシデラタに十分な注意を払わず、しばしば不利な反応や(関連する)エンティティを正しい方向に推奨しない。 我々は、CoRE-CoGと呼ばれる新しいCRSを導入する。 core-cogは,(1)システム発話がエンティティを含むべきかどうかを判断する推奨トリガ,(2)推奨エンティティの関連性を向上させる型プルーニングモジュール,(3)フラレンシを維持しながら推奨を行う新たな制約付き応答ジェネレータを実装することで,先行システムにおける制限に対処する。 これらのモジュールを組み合わせることで、正確な推奨決定とシステム発話を同時に行うことができる。 最近のベンチマークでの実験では、条件付き生成サブタスクにおいて、特に10 F1と4 Recall@1%のポイントがベースラインを超えている。

関連論文リスト

• 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)
• EGCR: Explanation Generation for Conversational Recommendation [7.496434082286226]
  対話エージェントがなぜ行動を起こすのかを説明するための説明文を生成することに基づく会話推薦のための説明生成(EGCR)。 EGCRはユーザレビューを取り入れて項目表現を強化し、会話全体の情報性を高める。 EGCRを1つのベンチマークの会話推薦データセット上で評価し、他の最先端技術モデルと比較して、推奨精度と会話品質の両方で優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-08-17T02:30:41Z)
• KECRS: Towards Knowledge-Enriched Conversational Recommendation System [50.0292306485452]
  chit-chatベースの会話レコメンデーションシステム(crs)は、自然言語インタラクションを通じてユーザーにアイテムレコメンデーションを提供する。 外部知識グラフ(KG)がChit-chatベースのCRSに導入されている。 KECRS(Knowledge-Enriched Conversational Recommendation System)の提案 大規模データセットの実験結果は、KECRSが最先端のキトチャットベースのCRSを上回っていることを示しています。
  論文  参考訳（メタデータ） (2021-05-18T03:52:06Z)
• 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)

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。