論文の概要: Re2A: Situated Conversational Recommendation via Rubric-based Preference Reasoning and Alignment

• arxiv url: http://arxiv.org/abs/2609.18249v1
• Date: Wed, 16 Sep 2026 07:27:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.693446
• Title: Re2A: Situated Conversational Recommendation via Rubric-based Preference Reasoning and Alignment
• Title（参考訳）: Re2A: ルブリックに基づく参照推論とアライメントによる会話推薦
• Abstract要約: 本稿では,SCRを構造的推論プロセスとして定式化するフレームワークを提案する。 我々は、自動ルーブリックを使用して、明示的な選好状態の生成に向けてモデルをガイドする選好推論を導入する。 2つのSCRデータセットの実験では、Re2Aが最先端のメソッドを一貫して上回っていることが示されている。
• 参考スコア（独自算出の注目度）: 14.314213917517847
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world recommendation scenarios are commonly grounded in shared physical environments during user-recommender interactions. This motivates situated conversational recommendation (SCR), a complex task requiring recommender assistants to jointly reason over dialogue history, co-observed scenes, and in-scene item attributes. However, current approaches struggle with this setting due to two intertwined challenges: accurately understanding situated user preferences throughout the conversation and generating responses that simultaneously satisfy user needs and grounded situations. To this end, we propose Re2A, a framework that formulates SCR as a structured reason-then-align process. We introduce rubric-based preference reasoning, which uses automated rubrics to guide the model toward producing explicit preference states. Based on these states, we propose a preference-conditioned optimization to align response generation with dual objectives: user preference satisfaction and situation consistency. Extensive experiments on two SCR datasets demonstrate that Re2A consistently outperforms state-of-the-art methods, delivering more precise, context-aware conversational recommendations. Our code is available at https://github.com/DongdingLin/Re2A.
• Abstract（参考訳）: 現実世界のレコメンデーションシナリオは、ユーザとレコメンデーションの相互作用の間、共有された物理的環境に一般的に基礎を置いている。 これは、対話履歴、共同観察シーン、およびシーン内のアイテム属性を共同で推論するために、レコメンデーターアシスタントを必要とする複雑なタスクである、会話レコメンデーション(SCR)の配置をモチベーションとする。 しかし、現在のアプローチでは、会話を通して位置するユーザの好みを正確に理解し、ユーザニーズと接地状況を同時に満たす応答を生成するという2つの課題があるため、この設定に苦慮している。 この目的のために,SCRを構造化された理質的なプロセスとして定式化するフレームワークであるRe2Aを提案する。 本稿では,明示的な選好状態を生成するためのモデルガイドとして,自動ルーブリックを用いたルーブリックに基づく選好推論を提案する。 これらの状態に基づいて、ユーザの嗜好満足度と状況整合性という、応答生成を2つの目的と整合させるために、嗜好条件付き最適化を提案する。 2つのSCRデータセットに対する大規模な実験によると、Re2Aは最先端のメソッドを一貫して上回り、より正確でコンテキスト対応の会話レコメンデーションを提供する。 私たちのコードはhttps://github.com/DongdingLin/Re2A.comで公開されています。

関連論文リスト

• Where and What: Reasoning Dynamic and Implicit Preferences in Situated Conversational Recommendation [16.06642257317271]
  SCR(Situated conversational recommendation)は、特定の環境と自然言語の対話に基礎を置く視覚シーンを用いて、文脈的に適切なレコメンデーションを提供する。 そこで我々は,2つのコアメカニズムを統合する新しいフレームワークSiPeRを提案する。 2つの代表的なベンチマークの実験は、SiPeRのレコメンデーション精度と応答生成品質の両方において優れていることを示した。
  論文  参考訳（メタデータ） (2026-04-22T16:39:52Z)
• Integrating Vision-Centric Text Understanding for Conversational Recommender Systems [61.731947296510164]
  STARCRSはScreen-Text-AwaRe Conversational Recommender Systemである。 本稿では, コントラストアライメント, クロスアテンション相互作用, 適応ゲーティングを組み合わせた知識認識融合フレームワークを提案する。 広く使われている2つのベンチマークの実験では、STARCRSはレコメンデーション精度と生成された応答品質の両方を一貫して改善している。
  論文  参考訳（メタデータ） (2026-01-20T01:41:54Z)
• STEP: Stepwise Curriculum Learning for Context-Knowledge Fusion in Conversational Recommendation [18.833994388759326]
  本稿では,事前学習型言語モデルを中心にした対話型レコメンデーションシステムSTEPを紹介する。 STEPはカリキュラム誘導のコンテキスト知識融合と軽量なタスク固有のプロンプトチューニングを組み合わせる。 実験の結果,STEPは2つの公開データセットの推薦精度と対話品質において,主要な手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-08-14T14:08:21Z)
• Towards Empathetic Conversational Recommender Systems [77.53167131692]
  本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2024-08-30T15:43:07Z)
• Enhancing Sequential Recommender with Large Language Models for Joint Video and Comment Recommendation [77.42486522565295]
  我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。 提案手法は,逐次レコメンデーション(SR)モデルと補足型大言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。 特に、コメント視聴時間の累積増加率は4.13%に達した。
  論文  参考訳（メタデータ） (2024-03-20T13:14:29Z)
• INSPIRED2: An Improved Dataset for Sociable Conversational Recommendation [5.837881923712394]
  自然言語のユーザと対話する会話レコメンデータシステム(CRS)は、ペア化された人間の助けを借りて収集されたレコメンデーションダイアログを利用する。 CRSは、ダイアログに現れ、通常ドメインの知識を活用する、明示的に注釈付けされたアイテムやエンティティに依存します。 本研究では,会話レコメンデーションのためのレコメンデーションダイアログからなるデータセットであるINSPIREDについて検討する。
  論文  参考訳（メタデータ） (2022-08-08T12:51:30Z)
• BARCOR: Towards A Unified Framework for Conversational Recommendation Systems [40.464281243375815]
  会話推薦のためのBARTに基づく統合フレームワークを提案する。 また,映画領域におけるCRSのための軽量知識グラフの設計と収集を行う。
  論文  参考訳（メタデータ） (2022-03-27T09:42:16Z)
• Learning to Ask Appropriate Questions in Conversational Recommendation [49.31942688227828]
  対話型レコメンデーションのための新しいフレームワークであるKnowledge-Based Question Generation System (KBQG)を提案する。 KBQGは、構造化知識グラフから最も関連性の高い関係を識別することにより、ユーザの好みをよりきめ細かな粒度でモデル化する。 最終的には、正確な推奨は会話の順番を少なくして生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:58:10Z)
• CR-Walker: Tree-Structured Graph Reasoning and Dialog Acts for Conversational Recommendation [62.13413129518165]
  CR-Walkerは知識グラフ上で木構造推論を行うモデルである。 インフォメーションダイアログが生成され、言語生成をガイドする。 自動的および人的評価は、CR-Walkerがより正確なレコメンデーションに到達できることを示している。
  論文  参考訳（メタデータ） (2020-10-20T14:53:22Z)
• Towards Topic-Guided Conversational Recommender System [80.3725246715938]
  textbfTG-ReDial(textbfTopic-textbfGuided textbfDialogによるtextbfRecommendation)という新しいCRSデータセットをコントリビュートする。 本稿では,話題誘導型会話レコメンデーションの課題を提示し,この課題に対する効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-08T17:04:30Z)

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。