論文の概要: MobileConvRec: A Conversational Dataset for Mobile Apps Recommendations

• arxiv url: http://arxiv.org/abs/2405.17740v1
• Date: Tue, 28 May 2024 01:53:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 22:41:57.581244
• Title: MobileConvRec: A Conversational Dataset for Mobile Apps Recommendations
• Title（参考訳）: MobileConvRec: モバイルアプリレコメンデーションのための会話データセット
• Authors: Srijata Maji, Moghis Fereidouni, Vinaik Chhetri, Umar Farooq, A. B. Siddique,
• Abstract要約: 会話型モバイルアプリレコメンデーションのためのベンチマークデータセットであるMobileConvRecを提示する。 MobileConvRecは、45のアプリカテゴリにまたがる12万以上のマルチターンレコメンデーション関連の会話で構成されている。 我々は、MobileConvRecが会話型モバイルアプリレコメンデーションの優れたテストベッドとして機能できることを実証した。
• 参考スコア（独自算出の注目度）: 2.1926846784098064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing recommendation systems have focused on two paradigms: 1- historical user-item interaction-based recommendations and 2- conversational recommendations. Conversational recommendation systems facilitate natural language dialogues between users and the system, allowing the system to solicit users' explicit needs while enabling users to inquire about recommendations and provide feedback. Due to substantial advancements in natural language processing, conversational recommendation systems have gained prominence. Existing conversational recommendation datasets have greatly facilitated research in their respective domains. Despite the exponential growth in mobile users and apps in recent years, research in conversational mobile app recommender systems has faced substantial constraints. This limitation can primarily be attributed to the lack of high-quality benchmark datasets specifically tailored for mobile apps. To facilitate research for conversational mobile app recommendations, we introduce MobileConvRec. MobileConvRec simulates conversations by leveraging real user interactions with mobile apps on the Google Play store, originally captured in large-scale mobile app recommendation dataset MobileRec. The proposed conversational recommendation dataset synergizes sequential user-item interactions, which reflect implicit user preferences, with comprehensive multi-turn conversations to effectively grasp explicit user needs. MobileConvRec consists of over 12K multi-turn recommendation-related conversations spanning 45 app categories. Moreover, MobileConvRec presents rich metadata for each app such as permissions data, security and privacy-related information, and binary executables of apps, among others. We demonstrate that MobileConvRec can serve as an excellent testbed for conversational mobile app recommendation through a comparative study of several pre-trained large language models.
• Abstract（参考訳）: 既存のレコメンデーションシステムは、2つのパラダイムに重点を置いている: 1-歴史的ユーザ-イテムインタラクションベースのレコメンデーションと2-会話レコメンデーション。 対話型レコメンデーションシステムは、ユーザとシステム間の自然言語対話を容易にし、ユーザがレコメンデーションを問い合わせたり、フィードバックを提供したりしながら、ユーザの明示的なニーズを喚起することを可能にする。 自然言語処理の大幅な進歩により、会話レコメンデーションシステムが注目されている。 既存の会話レコメンデーションデータセットは、それぞれの領域の研究を大いに促進してきた。 近年、モバイルユーザーやアプリの急増にもかかわらず、会話型モバイルアプリレコメンデーターシステムの研究は、かなりの制約に直面している。 この制限は主に、モバイルアプリに特化した高品質なベンチマークデータセットが欠如していることに起因する。 会話型モバイルアプリレコメンデーションの研究を容易にするために,MobileConvRecを紹介した。 MobileConvRecは、Google Playストア上のモバイルアプリとの実際のユーザインタラクションを活用することで、会話をシミュレートする。 提案した対話レコメンデーションデータセットは、暗黙のユーザ嗜好を反映したシーケンシャルなユーザとイテムのインタラクションと、包括的なマルチターン会話を併用して、明示的なユーザニーズを効果的に把握する。 MobileConvRecは、45のアプリカテゴリにまたがる12万以上のマルチターンレコメンデーション関連の会話で構成されている。 さらに、MobileConvRecは、パーミッションデータ、セキュリティとプライバシ関連の情報、アプリのバイナリ実行ファイルなど、各アプリに豊富なメタデータを提供する。 我々は,MobileConvRecが,いくつかの事前学習された大規模言語モデルの比較研究を通じて,対話型モバイルアプリレコメンデーションのための優れたテストベッドとして機能できることを実証した。

関連論文リスト

• Large Language Models as Zero-Shot Conversational Recommenders [52.57230221644014]
  ゼロショット設定における代表的大言語モデルを用いた会話推薦タスクに関する実証的研究を行った。 我々は、人気のあるディスカッションサイトをスクラップして、レコメンデーション関連の会話のデータセットを構築した。 我々は、微調整なしでも、大規模な言語モデルは既存の微調整された会話レコメンデーションモデルより優れていることを観察する。
  論文  参考訳（メタデータ） (2023-08-19T15:29:45Z)
• Large Language Model Augmented Narrative Driven Recommendations [51.77271767160573]
  ナラティブ・ドリブン・レコメンデーション(NDR)は、ユーザが好みや文脈を冗長に記述してレコメンデーションを募る情報アクセス問題である。 NDRはモデルのための豊富なトレーニングデータがなく、現在のプラットフォームは一般的にこれらの要求をサポートしない。 大規模言語モデル(LLM)を用いてNDRモデルのトレーニングを行う。
  論文  参考訳（メタデータ） (2023-06-04T03:46:45Z)
• MobileRec: A Large-Scale Dataset for Mobile Apps Recommendation [13.500977307018669]
  MobileRecには1930万のユーザインタラクション(すなわちアプリのユーザレビュー)があり、48のカテゴリに10万以上のユニークなアプリがある。 MobileRecは、インストールされたアプリに対するユーザーの評価だけでなく、インストールされたアプリに対する感情も提示し、各アプリには、アプリ名、カテゴリ、説明、全体的な評価といった豊富なメタデータが含まれている。
  論文  参考訳（メタデータ） (2023-03-12T06:39:40Z)
• Talk the Walk: Synthetic Data Generation for Conversational Music Recommendation [62.019437228000776]
  本稿では,広く利用可能なアイテムコレクションにおいて,符号化された専門知識を活用することで,現実的な高品質な会話データを生成するTalkWalkを提案する。 人間の収集したデータセットで100万以上の多様な会話を生成します。
  論文  参考訳（メタデータ） (2023-01-27T01:54:16Z)
• COLA: Improving Conversational Recommender Systems by Collaborative Augmentation [9.99763097964222]
  アイテム表現学習とユーザ嗜好モデリングの両方を改善するために,協調的拡張(COLA)手法を提案する。 すべての会話から対話型ユーザテムグラフを構築し,ユーザ認識情報によってアイテム表現を拡大する。 ユーザの嗜好モデルを改善するため,学習コーパスから類似した会話を検索し,ユーザの興味を反映した関連項目や属性を用いてユーザ表現を増強する。
  論文  参考訳（メタデータ） (2022-12-15T12:37:28Z)
• 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)
• COOKIE: A Dataset for Conversational Recommendation over Knowledge Graphs in E-commerce [64.95907840457471]
  我々は,COOKIEと呼ばれる電子商取引プラットフォームにおける知識グラフに対する対話的推薦のための新しいデータセットを提案する。 データセットはAmazonのレビューコーパスから構築され、ユーザエージェント対話とカスタムナレッジグラフを統合してレコメンデーションする。
  論文  参考訳（メタデータ） (2020-08-21T00:11:31Z)
• 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)
• Towards Conversational Recommendation over Multi-Type Dialogs [78.52354759386296]
  ボットは、非推奨ダイアログからレコメンデーションダイアログへの会話を積極的に自然に導くことができる。 この課題の研究を容易にするために,人間と人による中国語対話データセットemphDuRecDial(約10k対話,約156k発話)を作成する。 各ダイアログでは、リコメンデータが積極的にマルチタイプのダイアログを導き、レコメンデーションターゲットにアプローチし、リッチなインタラクション動作で複数のレコメンデーションを行う。
  論文  参考訳（メタデータ） (2020-05-08T11:01:21Z)

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。