对话式推荐系统中仿真方法的文献综述

对话式推荐系统 (CRS) 因通过多轮对话提供个性化推荐而受到关注。本综述开发了一种分类框架，系统地将相关文献归入四个类别：数据集构建、算法设计、系统评估和实证研究，全面分析了 CRS 中仿真方法。我们的分析表明，仿真方法在解决 CRS 主要挑战方面发挥关键作用。例如，基于 LLM 的仿真方法被用于创建对话推荐数据、增强 CRS 算法和评估 CRS。尽管存在数据集偏差、LLM 基于仿真的输出灵活性有限以及文本语义空间与行为语义之间存在差距等挑战，但由于 CRS 人机交互 (HCI) 的复杂性，仿真方法在推进 CRS 研究方面具有重要潜力。本综述提供了该领域当前研究格局的详尽总结，并确定了未来研究的有前景的方向。