基于负反馈的对话式商品搜索

智能助手改变了人们与计算机交互的方式，使人们在有购买需求时可通过对话搜索商品成为可能。交互过程中，系统可就理想商品的某些方面提问以澄清用户需求。例如，已有工作提出在展示结果前询问用户理想物品的确切特征。然而，用户可能并不清楚理想物品的样子，尤其在尚未见到任何物品时。因此，通过展示示例物品并征求反馈来促进对话式搜索更为可行。此外，当用户对展示物品给出负反馈时，更易收集其对不相关物品某些属性（方面-值对）的详细反馈。将物品级负反馈拆解为方面-值对的细粒度反馈，可获得更多信息以帮助澄清用户意图。因此，本文提出一种由不相关物品驱动的对话式商品搜索范式，基于该范式收集并利用细粒度反馈在下一轮展示更优结果。我们进而提出一种方面-值似然模型，以融合对不相关物品细粒度方面-值对的正向与负向反馈。实验结果表明，我们的模型显著优于未使用反馈的先进商品搜索基线，以及那些使用物品级负反馈的基线。