具有用户偏好不确定性估计的极简高性能对话推荐
信息检索
2022-07-04 v2
摘要
对话推荐系统（CRS）正作为一种友好方式兴起，用于捕捉用户对候选物品与属性的动态偏好。多轮 CRS 被设计为使推荐多次进行，直至用户接受推荐或耗尽耐心离开。现有工作以强化学习（RL）训练，可能存在学习不稳定及计算需求过高的问题。本文提出一种简单高效的 CRS：极简非强化交互式对话推荐网络（MINICORN）。MINICORN 对估计用户偏好的认知不确定性建模，并查询不确定性最高的属性。系统采用简洁网络架构，以单一规则做出查询或推荐决策。令人意外的是，该极简方法在三个真实数据集上大幅优于最先进 RL 方法。我们希望 MINICORN 能作为未来研究的宝贵基线。
引用
@article{arxiv.2206.14468,
title = {Minimalist and High-performance Conversational Recommendation with Uncertainty Estimation for User Preference},
author = {Yinan Zhang and Boyang Li and Yong Liu and You Yuan and Chunyan Miao},
journal= {arXiv preprint arXiv:2206.14468},
year = {2022}
}