在产品问答中识别购物意图以实现主动推荐

语音助手在智能设备中已变得无处不在，允许用户通过语音问题即时访问信息。尽管在语音搜索的问答方面已有广泛研究，但关于如何使语音助手能够向其用户提供主动推荐的研究却很少。这是一个极具挑战性的问题，通常会导致用户摩擦，主要是因为在错误的时间向用户提供了推荐。我们专注于电子商务领域，即识别购物产品问题（Shopping Product Questions, SPQs），其中提出产品相关问题的用户可能具有潜在的购物需求。识别用户的购物需求使语音助手能够通过确定何时提供推荐（例如产品或优惠推荐，或主动购物行动推荐）来增强购物体验。识别SPQs是一个具有挑战性的问题，不能仅从问题文本中完成，因此需要从用户过去的购物历史中推断潜在的隐式用户行为模式。我们提出了从用户购买历史中捕获用户潜在购物行为的特征，并使用一种新颖的混合专家（Mixture-of-Experts, MoE）模型将它们组合起来。我们的评估表明，所提出的方法能够以F1=0.91的高分识别SPQs。此外，基于与真实语音助手用户的在线评估，我们实时识别SPQs，并向用户推荐购物行动，将查询的产品添加到他们的购物清单中。我们证明，我们能够准确识别SPQs，这体现在当在SPQs之后提示用户时，与随机PQs相比，添加到用户购物清单中的产品比率显著更高。