MobileConvRec：面向移动应用推荐的对话数据集
计算与语言
2024-05-29 v1
摘要
现有的推荐系统主要聚焦两种范式：1-基于历史用户-项目交互的推荐，以及2-对话式推荐。对话式推荐系统通过自然语言对话与用户进行交互，允许系统 soliciting 用户的明确需求，同时使用户能够询问推荐并提供反馈。由于自然语言处理领域的显著进步，对话式推荐系统正变得日益突出。虽然各个领域的对话式推荐数据集在一定程度上推动了相关研究的发展，但近年来移动用户和应用的指数级增长，使得针对移动应用的对话式推荐系统研究面临重大限制。这一限制主要归因于缺乏专为移动应用设计的高质量基准数据集。为推动移动应用对话式推荐的研究，我们引入MobileConvRec。MobileConvRec利用来自Google Play商店中真实用户与移动应用交互的数据，原本捕获于大规模移动应用推荐数据集MobileRec中。该对话式推荐数据集将反映用户隐式偏好的序列用户-项目交互与综合多轮对话相结合，以有效把握用户的明确需求。MobileConvRec包含超过1.2万轮与45个应用类别相关的多轮推荐对话。此外，MobileConvRec为每个应用提供了丰富的 metadata，包括权限数据、安全和隐私相关信息，以及应用的二进制可执行文件等。我们展示了MobileConvRec可以作为通过比较几种预训练大型语言模型在移动应用推荐上的表现，作为优秀的测试平台。
引用
@article{arxiv.2405.17740,
title = {MobileConvRec: A Conversational Dataset for Mobile Apps Recommendations},
author = {Srijata Maji and Moghis Fereidouni and Vinaik Chhetri and Umar Farooq and A. B. Siddique},
journal= {arXiv preprint arXiv:2405.17740},
year = {2024}
}