基于混合专家的多类型情境感知对话式推荐系统
计算与语言
2025-08-28 v2 人工智能
信息检索
摘要
对话式推荐系统通过自然语言对话实现更具参与感和有效性的推荐场景。由于对话式推荐系统的对话通常包含有限的情境信息，许多现有的对话式推荐系统会整合外部来源来丰富情境信息。然而，如何组合不同类型的情境信息仍是一个挑战。本文提出了一种多类型情境感知对话式推荐系统，称为 MCCRS，通过混合专家有效融合多类型情境信息以提高对话式推荐系统性能。MCCRS 包含结构化信息和非结构化信息，包括结构化知识图谱、非结构化对话历史和非结构化项目评论。它由多个专家组成，每个专家专注于特定领域(即特定情境信息)。随后由 ChairBot 协调多个专家以生成最终结果。我们提出的 MCCRS 模型利用了不同的情境信息和不同专家的专业化，后跟 ChairBot 打破了单一情境信息瓶颈。实验结果表明，我们提出的 MCCRS 方法在性能上显著优于现有基线方法。
引用
@article{arxiv.2504.13655,
title = {Multi-Type Context-Aware Conversational Recommender Systems via Mixture-of-Experts},
author = {Jie Zou and Cheng Lin and Weikang Guo and Zheng Wang and Jiwei Wei and Yang Yang and Heng Tao Shen},
journal= {arXiv preprint arXiv:2504.13655},
year = {2025}
}
备注
31 pages; Accepted by Information Fusion