Fugu-MT 論文翻訳(概要): RecWizard: A Toolkit for Conversational Recommendation with Modular, Portable Models and Interactive User Interface

論文の概要: RecWizard: A Toolkit for Conversational Recommendation with Modular, Portable Models and Interactive User Interface

arxiv url: http://arxiv.org/abs/2402.15591v1
Date: Fri, 23 Feb 2024 20:16:13 GMT
ステータス: 処理完了
システム内更新日: 2024-02-27 17:48:04.642276
Title: RecWizard: A Toolkit for Conversational Recommendation with Modular, Portable Models and Interactive User Interface
Title（参考訳）: RecWizard: モジュール的でポータブルなモデルと対話型ユーザインタフェースを備えた対話型レコメンデーションツールキット
Authors: Zeyuan Zhang, Tanmay Laud, Zihang He, Xiaojie Chen, Xinshuang Liu, Zhouhang Xie, Julian McAuley, Zhankui He
Abstract要約: RecWizard for Conversational Recommender Systems (CRS) という新しいPythonツールキットを提案する。 RecWizardはモデルの開発と対話型ユーザインタフェースをサポートする。 RecWizardのCRSはモジュール式、ポータブル、インタラクティブで、LLM(Large Language Models)フレンドリーである。
参考スコア（独自算出の注目度）: 21.346864247209318
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a new Python toolkit called RecWizard for Conversational Recommender Systems (CRS). RecWizard offers support for development of models and interactive user interface, drawing from the best practices of the Huggingface ecosystems. CRS with RecWizard are modular, portable, interactive and Large Language Models (LLMs)-friendly, to streamline the learning process and reduce the additional effort for CRS research. For more comprehensive information about RecWizard, please check our GitHub https://github.com/McAuley-Lab/RecWizard.
Abstract（参考訳）: 本稿では,RecWizard for Conversational Recommender Systems (CRS)という新しいPythonツールキットを提案する。 RecWizardは、Huggingfaceエコシステムのベストプラクティスを引き合いに出して、モデルとインタラクティブなユーザーインターフェイスの開発をサポートする。 RecWizardを使ったCRSは、モジュール式でポータブルでインタラクティブで、LLM(Large Language Models)に親しみやすいもので、学習プロセスを合理化し、CRS研究のさらなる労力を削減する。 RecWizardの詳細については、GitHub https://github.com/McAuley-Lab/RecWizardを参照してほしい。

関連論文リスト

A LLM-based Controllable, Scalable, Human-Involved User Simulator Framework for Conversational Recommender Systems [14.646529557978512]
Conversational Recommender System (CRS) はユーザからのリアルタイムフィードバックを利用して好みを動的にモデル化する。 LLM(Large Language Models)は、計算能力の新たな時代を迎えている。ユーザシミュレータの動作を管理するCSHI(Controlable, scalable, and human-Involved)シミュレータフレームワークを提案する。
論文参考訳（メタデータ） (2024-05-13T03:02:56Z)
A Multi-Agent Conversational Recommender System [47.49330334611104]
マルチエージェント対話型レコメンダシステム(MACRS)を提案する。まず,4つのLCMエージェントをベースとした対話フローを制御可能なマルチエージェント行動計画フレームワークを設計する。第2に,ユーザのフィードバックを生かしたユーザフィードバック対応のリフレクション機構を提案し,従来からある誤りを推論し,対話行動計画の調整を行う。
論文参考訳（メタデータ） (2024-02-02T04:20:13Z)
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)
Recommender AI Agent: Integrating Large Language Models for Interactive Recommendations [53.76682562935373]
我々は,LLMを脳として,レコメンダモデルをツールとして使用する,textbfInteRecAgentという効率的なフレームワークを紹介した。 InteRecAgentは会話レコメンデーションシステムとして満足度を達成し、汎用LLMよりも優れる。
論文参考訳（メタデータ） (2023-08-31T07:36:44Z)
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)
Rethinking the Evaluation for Conversational Recommendation in the Era of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。 LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文参考訳（メタデータ） (2023-05-22T15:12:43Z)
Leveraging Large Language Models in Conversational Recommender Systems [9.751217336860924]
Conversational Recommender System (CRS)は、リアルタイムのマルチターン対話を通じてシステムと対話できるようにすることにより、ユーザに対して透明性とコントロールを向上する。大言語モデル(LLM)は、自然に会話し、世界知識と常識推論を言語理解に組み込むという前例のない能力を示した。
論文参考訳（メタデータ） (2023-05-13T16:40:07Z)
Chat-REC: Towards Interactive and Explainable LLMs-Augmented Recommender System [11.404192885921498]
Chat-Recは会話レコメンデーションシステムを構築するための新しいパラダイムである。 Chat-Recは、ユーザの好みを学習し、ユーザと製品間の接続を確立するのに有効である。実験では、Chat-Recはトップkレコメンデーションの結果を効果的に改善し、ゼロショット評価予測タスクでより良いパフォーマンスを発揮する。
論文参考訳（メタデータ） (2023-03-25T17:37:43Z)
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)
CRSLab: An Open-Source Toolkit for Building Conversational Recommender System [57.208266345350474]
会話推薦システム(CRS)は、研究コミュニティで多くの注目を集めています。 crsに関する既存の研究はシナリオ、目標、技術によって異なり、統一された実装や比較が欠けている。オープンソースCRSツールキットCRSLabを提案し、CRSを開発するために高度に分離されたモジュールを備えた統合フレームワークを提供する。
論文参考訳（メタデータ） (2021-01-04T13:10:31Z)

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。