ImpReSS：面向客户支持对话的隐式推荐系统
人工智能
2025-06-18 v1 信息检索
摘要
跟随大语言模型（LLM）的最新进展，基于LLM的聊天机器人通过自动化交互和提供一致、可扩展的服务，正在变革客户支持领域。尽管基于LLM的对话式推荐系统（CRSs）因其提升推荐质量的能力而引起广泛关注，但目前少数研究聚焦于在客户支持交互中实现隐式集成推荐。在本工作中，我们引入了ImpReSS——一个专为客户支持对话设计的隐式推荐系统。ImpReSS与现有的支持聊天机器人并行运行，用户报告问题，聊天机器人提供解决方案。基于客户支持对话，ImpReSS识别向用户推荐相关解决方案产品类别（SPC）的机会，这些产品类别有助于解决问题或防止其复发——从而也支持业务增长。不同于传统CRSs，ImpReSS完全以隐式方式运行，不依赖于对用户购买意图的任何假设。我们对ImpReSS推荐与支持对话中所提出问题相关联的SPC能力的实证评估显示，结果令人鼓舞，包括在一般问题解决方面的MRR@1（以及recall@3）为0.72（0.89），在信息安全支持方面的MRR@1（以及recall@3）为0.82（0.83），在网络安全故障排查方面的MRR@1（以及recall@3）为0.85（0.67）。为支持未来研究，我们的数据和代码将在请求后共享。
引用
@article{arxiv.2506.14231,
title = {ImpReSS: Implicit Recommender System for Support Conversations},
author = {Omri Haller and Yair Meidan and Dudu Mimran and Yuval Elovici and Asaf Shabtai},
journal= {arXiv preprint arXiv:2506.14231},
year = {2025}
}