多轮对话中从冷启动学习个性化用户偏好
信息检索
2023-09-12 v1
摘要
本文提出了一种新颖的可教学对话交互系统，能够通过逐步适应用户个人偏好，从冷启动中学习用户偏好。具体而言，TAI 系统能够在实时交互中自动识别并标注用户偏好，管理交互式教学会话的对话流程，并复用已学习的偏好进行偏好引导。我们通过利用 BERT 编码器模型对对话和相关上下文信息进行编码，并构建动作预测（AP）、论元填充（AF）和命名实体识别（NER）模型来理解教学会话，从而开发了 TAI 系统。我们采用寻求者-提供者的交互循环机制，从冷启动生成多样化对话。TAI 能够学习用户偏好，在样本外数据集上实现了 0.9122 的轮次级准确率，并已成功应用于生产环境。
引用
@article{arxiv.2309.05127,
title = {Learning Personalized User Preference from Cold Start in Multi-turn Conversations},
author = {Deguang Kong and Abhay Jha and Lei Yun},
journal= {arXiv preprint arXiv:2309.05127},
year = {2023}
}
备注
preference, personalization, cold-start, dialogue, LLM. embedding