超越单项：用会话式播放列表策展数据集探索用户对项目集的偏好

在音乐等消费领域中，用户往往能够比针对单个项目（如歌曲）更高效地提供对一组项目（如播放列表或电台）的偏好。遗憾的是，这是一个研究不足的领域，大多数现有推荐系统局限于理解对单个项目的偏好。策展项目集使推荐系统必须考虑的搜索空间呈指数级扩大（所有项目子集！）：这促使采用会话式方法——用户显式陈述或精炼其偏好，系统以自然语言引出偏好——作为理解用户需求的高效途径。我们称此任务为会话式项目集策展，并提出了一种新颖的数据收集方法，该方法通过在会话环境中观察项目级与集合级反馈，高效收集关于项目集的真实偏好。我们将此方法应用于音乐推荐，构建了会话式播放列表策展数据集（CPCD），并展示它引导评分者表达出原本不会表达的偏好。最后，我们提出广泛的会话式检索模型作为该任务的基线，并在该数据集上评估它们。