論文の概要: Multi-Type Context-Aware Conversational Recommender Systems via Mixture-of-Experts

• arxiv url: http://arxiv.org/abs/2504.13655v1
• Date: Fri, 18 Apr 2025 12:28:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-28 15:48:52.182259
• Title: Multi-Type Context-Aware Conversational Recommender Systems via Mixture-of-Experts
• Title（参考訳）: Mixture-of-Expertsによるマルチタイプコンテキスト対応会話レコメンダシステム
• Authors: Jie Zou, Cheng Lin, Weikang Guo, Zheng Wang, Jiwei Wei, Yang Yang, Hengtao Shen,
• Abstract要約: 会話推薦システムを改善するために,マルチタイプのコンテキスト認識型会話推薦システム MCCRS を提案する。 MCCRSには構造化情報と構造化されていない情報の両方が含まれており、構造化知識グラフ、構造化されていない会話履歴、構造化されていない項目レビューが含まれる。 提案したMCCRSモデルは、異なる文脈情報と、異なる専門家の専門化と、それに続くChairBotを利用する。
• 参考スコア（独自算出の注目度）: 51.73670879337781
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational recommender systems enable natural language conversations and thus lead to a more engaging and effective recommendation scenario. As the conversations for recommender systems usually contain limited contextual information, many existing conversational recommender systems incorporate external sources to enrich the contextual information. However, how to combine different types of contextual information is still a challenge. In this paper, we propose a multi-type context-aware conversational recommender system, called MCCRS, effectively fusing multi-type contextual information via mixture-of-experts to improve conversational recommender systems. MCCRS incorporates both structured information and unstructured information, including the structured knowledge graph, unstructured conversation history, and unstructured item reviews. It consists of several experts, with each expert specialized in a particular domain (i.e., one specific contextual information). Multiple experts are then coordinated by a ChairBot to generate the final results. Our proposed MCCRS model takes advantage of different contextual information and the specialization of different experts followed by a ChairBot breaks the model bottleneck on a single contextual information. Experimental results demonstrate that our proposed MCCRS method achieves significantly higher performance compared to existing baselines.
• Abstract（参考訳）: 会話レコメンデータシステムは自然言語の会話を可能にするため、より魅力的で効果的なレコメンデーションシナリオにつながる。 推薦システムの会話は通常、限られた文脈情報を含むため、既存の会話推薦システムの多くは、文脈情報を強化するために外部ソースを組み込んでいる。 しかし、異なる種類のコンテキスト情報をどのように組み合わせるかは依然として課題である。 本稿では,MCCRS(Multi-type context-aware conversational recommender system)を提案する。 MCCRSには構造化情報と構造化されていない情報の両方が含まれており、構造化知識グラフ、構造化されていない会話履歴、構造化されていない項目レビューが含まれる。 複数の専門家で構成され、それぞれが特定の分野(特定の文脈情報)に特化している。 その後、複数の専門家がChairBotによって調整され、最終的な結果が生成される。 提案したMCCRSモデルは,異なるコンテキスト情報を活用するとともに,異なる専門家の専門化と,ひとつのコンテキスト情報上でモデルのボトルネックを突破する。 実験の結果,提案手法は既存のベースラインに比べて有意に高い性能を示した。

関連論文リスト

• MSCRS: Multi-modal Semantic Graph Prompt Learning Framework for Conversational Recommender Systems [15.792566559456422]
  Conversational Recommender Systems (CRS)は、会話を通じてユーザと対話することでパーソナライズされたレコメンデーションを提供することを目的としている。 我々はMSCRSと呼ばれるCRSのためのマルチモーダルなセマンティックグラフプロンプト学習フレームワークを提案する。 提案手法は項目推薦における精度を大幅に向上し,応答生成においてより自然で文脈的に関連のあるコンテンツを生成する。
  論文  参考訳（メタデータ） (2025-04-15T07:05:22Z)
• Topic-Aware Knowledge Graph with Large Language Models for Interoperability in Recommender Systems [3.0969191504482247]
  我々は,大規模言語モデル(LLM)を用いて,側面情報と文脈情報の両方から一般トピックと特定トピックを抽出する一貫したアプローチを提案する。 実験結果から,多様な知識グラフ間での推薦性能が大幅に向上した。
  論文  参考訳（メタデータ） (2024-12-28T14:27:45Z)
• 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)
• Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
  本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。 KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。 KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-12-18T06:41:23Z)
• Variational Reasoning over Incomplete Knowledge Graphs for Conversational Recommendation [48.70062671767362]
  不完全KGs会話レコメンダ(VRICR)に対する変分推論を提案する。 我々のキーとなる考え方は、CRSを伴って自然に大きな対話コーパスを組み込んで、不完全なKGを強化することである。 また、KGsの対話特化部分グラフを適応的知識グラフの分類的先行を持つ潜在変数として表す。
  論文  参考訳（メタデータ） (2022-12-22T17:02:21Z)
• 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)
• 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)
• BERTERS: Multimodal Representation Learning for Expert Recommendation System with Transformer [2.131521514043068]
  エキスパートレコメンデーションシステム(BERTERS)のためのマルチモーダル分類手法を提案する。 BERTERS は Transformer (BERT) の双方向表現を用いてテキストをベクトルに変換する また、ExEmと呼ばれるグラフ表現技術を用いて、共著者ネットワークから候補の特徴を抽出する。
  論文  参考訳（メタデータ） (2020-06-30T12:30:16Z)

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。