基于熵驱动的对话策略建模用户兴趣广度——面向规模巨大的产品目录
信息检索
2025-09-09 v1 机器学习
摘要
对话式推荐系统承诺为电商提供丰富的交互，但在部署大型语言模型(LLM)并处理庞大的产品目录时，平衡探索(澄清用户需求)与利用(进行推荐)仍具有挑战性。我们通过检索得分分布的熵来建模用户兴趣的广度。该方法使用神经检索器获取与用户查询相关的物品，并计算重新排序后的得分熵，以动态路由对话策略：低熵(具体)查询触发直接推荐，而高熵(模糊)查询则触发探索性问题。这一简单而有效的策略使LLM驱动的智能体能够在实时内保持对规模巨大的目录的感知，而无需膨胀其上下文窗口。
引用
@article{arxiv.2509.06185,
title = {Modeling shopper interest broadness with entropy-driven dialogue policy in the context of arbitrarily large product catalogs},
author = {Firas Jarboui and Issa Memari},
journal= {arXiv preprint arXiv:2509.06185},
year = {2025}
}