論文の概要: Incorporating External Knowledge and Goal Guidance for LLM-based Conversational Recommender Systems

• arxiv url: http://arxiv.org/abs/2405.01868v1
• Date: Fri, 3 May 2024 05:42:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-06 13:35:25.964971
• Title: Incorporating External Knowledge and Goal Guidance for LLM-based Conversational Recommender Systems
• Title（参考訳）: LLMに基づく会話レコメンダシステムのための外部知識とゴールガイダンスの導入
• Authors: Chuang Li, Yang Deng, Hengchang Hu, Min-Yen Kan, Haizhou Li,
• Abstract要約: 推薦精度と言語品質に大きく貢献する外部知識と目標ガイダンスの必要性を示す。 本稿では,複雑なCRSタスクを複数のサブタスクに分解するChatCRSフレームワークを提案する。 2つのマルチゴールCRSデータセットの実験結果から、ChatCRSが新しい最先端ベンチマークを設定することが明らかになった。
• 参考スコア（独自算出の注目度）: 55.24980128638365
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper aims to efficiently enable large language models (LLMs) to use external knowledge and goal guidance in conversational recommender system (CRS) tasks. Advanced LLMs (e.g., ChatGPT) are limited in domain-specific CRS tasks for 1) generating grounded responses with recommendation-oriented knowledge, or 2) proactively leading the conversations through different dialogue goals. In this work, we first analyze those limitations through a comprehensive evaluation, showing the necessity of external knowledge and goal guidance which contribute significantly to the recommendation accuracy and language quality. In light of this finding, we propose a novel ChatCRS framework to decompose the complex CRS task into several sub-tasks through the implementation of 1) a knowledge retrieval agent using a tool-augmented approach to reason over external Knowledge Bases and 2) a goal-planning agent for dialogue goal prediction. Experimental results on two multi-goal CRS datasets reveal that ChatCRS sets new state-of-the-art benchmarks, improving language quality of informativeness by 17% and proactivity by 27%, and achieving a tenfold enhancement in recommendation accuracy.
• Abstract（参考訳）: 本稿では,対話レコメンデータシステム(CRS)タスクにおいて,大規模言語モデル(LLM)が外部知識と目標ガイダンスを効果的に活用することを目的とする。 高度なLCM(例えばChatGPT)はドメイン固有のCRSタスクに制限される 1)レコメンデーション指向の知識で接地応答を発生させるか 2)対話目標の異なる会話を積極的に指導する。 本研究では,まずこれらの制約を総合的な評価を通じて分析し,推奨精度と言語品質に大きく寄与する外部知識と目標ガイダンスの必要性を示す。 この発見を踏まえて、複雑なCRSタスクを複数のサブタスクに分解するChatCRSフレームワークを提案する。 1)外部知識ベースを推論するためのツール強化アプローチを用いた知識検索エージェント 2)対話目標予測のための目標計画エージェント。 2つのマルチゴールCRSデータセットの実験結果は、ChatCRSが新しい最先端ベンチマークを設定し、言語品質のインフォメーションを17%改善し、アクティブを27%改善し、レコメンデーション精度を10倍に向上したことを示している。

関連論文リスト

• Unveiling and Consulting Core Experts in Retrieval-Augmented MoE-based LLMs [64.9693406713216]
  RAGシステムの有効性に寄与する内部メカニズムは未解明のままである。 実験の結果,複数のコアグループの専門家がRAG関連行動に主に関与していることが判明した。 本稿では,専門家の活性化を通じてRAGの効率性と有効性を高めるためのいくつかの戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-20T16:08:54Z)
• Knowledge Planning in Large Language Models for Domain-Aligned Counseling Summarization [30.27904166070852]
  大規模言語モデル(LLM)は、様々な生成タスクにおいて顕著な能力を示す。 メンタルヘルスの専門家はまず、要約を書く際にドメイン知識を適用する計画だ。 構造化知識のアライメントを編成する新しい計画エンジンを導入する。
  論文  参考訳（メタデータ） (2024-09-23T11:01:31Z)
• RAG based Question-Answering for Contextual Response Prediction System [0.4660328753262075]
  大規模言語モデル(LLM)は、様々な自然言語処理(NLP)タスクにおいて汎用性を示している。 Retrieval Augmented Generation (RAG)は、この課題に対処するための有望な技術として登場した。 本稿では,産業用ユースケースにRAG機能を備えたLCMを用いたエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-05T17:14:23Z)
• 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)
• 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)
• 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)
• 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)
• 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。