論文の概要: Beyond Whole Dialogue Modeling: Contextual Disentanglement for Conversational Recommendation

• arxiv url: http://arxiv.org/abs/2504.17427v1
• Date: Thu, 24 Apr 2025 10:33:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.332675
• Title: Beyond Whole Dialogue Modeling: Contextual Disentanglement for Conversational Recommendation
• Title（参考訳）: 全対話モデリングを超えて:会話推薦のための文脈ディスタングル
• Authors: Guojia An, Jie Zou, Jiwei Wei, Chaoning Zhang, Fuming Sun, Yang Yang,
• Abstract要約: 本稿では,会話レコメンデータシステムを改善するために,文脈のゆがみを導入する新しいモデルを提案する。 DisenCRSは、自己監督的コントラスト的アンタングルメントと反ファクト的推論アンタングルメントを含む、二重のアンタングルメントフレームワークを採用している。 2つの広く使われている公開データセットの実験結果は、DisenCRSが既存の会話レコメンデーションモデルを大幅に上回っていることを示している。
• 参考スコア（独自算出の注目度）: 22.213312621287482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational recommender systems aim to provide personalized recommendations by analyzing and utilizing contextual information related to dialogue. However, existing methods typically model the dialogue context as a whole, neglecting the inherent complexity and entanglement within the dialogue. Specifically, a dialogue comprises both focus information and background information, which mutually influence each other. Current methods tend to model these two types of information mixedly, leading to misinterpretation of users' actual needs, thereby lowering the accuracy of recommendations. To address this issue, this paper proposes a novel model to introduce contextual disentanglement for improving conversational recommender systems, named DisenCRS. The proposed model DisenCRS employs a dual disentanglement framework, including self-supervised contrastive disentanglement and counterfactual inference disentanglement, to effectively distinguish focus information and background information from the dialogue context under unsupervised conditions. Moreover, we design an adaptive prompt learning module to automatically select the most suitable prompt based on the specific dialogue context, fully leveraging the power of large language models. Experimental results on two widely used public datasets demonstrate that DisenCRS significantly outperforms existing conversational recommendation models, achieving superior performance on both item recommendation and response generation tasks.
• Abstract（参考訳）: 対話レコメンデーションシステムは,対話に関連する文脈情報を分析し,活用することで,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。 しかし、既存の手法は一般的に対話のコンテキスト全体をモデル化し、対話の中の固有の複雑さと絡み合いを無視している。 具体的には、対話は焦点情報と背景情報の両方を含み、相互に影響を及ぼす。 現在の手法では、これらの2種類の情報を混合的にモデル化し、ユーザの実際のニーズを誤解釈し、レコメンデーションの精度を低下させる傾向にある。 そこで本研究では,対話型レコメンデータシステムであるDisenCRSを提案する。 提案モデルであるDisenCRSでは,教師なし条件下での対話状況から,焦点情報や背景情報を効果的に識別するために,自己教師付きコントラスト的絡み合いと反ファクト的遠絡み合いを含む2つの絡み合いの枠組みを採用している。 さらに,適応的なプロンプト学習モジュールを設計し,特定の対話コンテキストに基づいて最適なプロンプトを自動的に選択し,大規模言語モデルのパワーを完全に活用する。 広く使われている2つの公開データセットの実験結果から、DisenCRSは既存の会話レコメンデーションモデルを大幅に上回っており、アイテムレコメンデーションとレスポンス生成タスクの両方で優れたパフォーマンスを実現していることが示された。

関連論文リスト

• Harmonizing Large Language Models with Collaborative Behavioral Signals for Conversational Recommendation [20.542601754190073]
  本研究は、潜在的嗜好モデルを用いて、対話的相互作用と行動パターンを相乗化する新しい確率的枠組みを提案する。 このフレームワークは、まず、確立された協調フィルタリング技術を通して潜在的嗜好表現を導出し、次にこれらの表現を用いて、言語的嗜好表現と行動パターンの両方を共同で洗練する。
  論文  参考訳（メタデータ） (2025-03-12T09:01:09Z)
• 'What are you referring to?' Evaluating the Ability of Multi-Modal Dialogue Models to Process Clarificational Exchanges [65.03196674816772]
  参照表現が宛先に対して意図された参照を一意に識別しない場合、参照の曖昧さが対話で生じる。 出席者は、通常、そのような曖昧さをすぐに検知し、メタコミュニケーション、明確化取引所(CE: Meta-communicative, Clarification Exchanges)を使用して、話者と作業する。 ここでは、CRを生成・応答する能力は、マルチモーダルな視覚的基盤を持つ対話モデルのアーキテクチャと目的関数に特定の制約を課していると論じる。
  論文  参考訳（メタデータ） (2023-07-28T13:44:33Z)
• EM Pre-training for Multi-party Dialogue Response Generation [86.25289241604199]
  多人数対話では、応答発話の宛先を生成前に指定する必要がある。 本稿では,アドレナラベルを生成するための期待ステップを反復的に実行する期待最大化(EM)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-21T09:22:41Z)
• 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)
• Coreference-Aware Dialogue Summarization [24.986030179701405]
  ニューラルネットワークの抽象的対話要約モデルにおいて,コア参照情報を明示的に組み込む手法について検討する。 実験結果から,提案手法は最先端性能を実現することが示された。 事実的正当性の評価結果から,このようなコア参照認識モデルの方が,インターロケータ間の情報フローの追跡に優れていることが示唆された。
  論文  参考訳（メタデータ） (2021-06-16T05:18:50Z)
• CREAD: Combined Resolution of Ellipses and Anaphora in Dialogues [14.66729951223073]
  アナフォラとエリプスは対話における2つの一般的な現象である。 伝統的に、アナフォラはコア参照解決とクエリ書き換えによる楕円によって解決される。 本稿では,コア参照解決とクエリ書き換えをモデリングする新しい共同学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:17:26Z)
• Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
  本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。 ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
  論文  参考訳（メタデータ） (2021-03-17T09:42:11Z)
• 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)
• Dialogue-Based Relation Extraction [53.2896545819799]
  本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。 我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。 実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
  論文  参考訳（メタデータ） (2020-04-17T03:51:57Z)

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。