Pearl：一个由评论驱动的个性化知识与知识结合的对话式推荐数据集
计算与语言
2024-06-11 v4
摘要
对话式推荐系统是一个新兴领域，在社区中引起了越来越多的兴趣，尤其是在大语言模型（LLMs）的进步使得对对话输入进行多样化推理成为可能的情况下。尽管取得了进展，该领域仍有诸多方面有待探索。目前可用的对话式推荐公开数据集缺乏特定的用户偏好和推荐解释，阻碍了高质量推荐的实现。为了应对这些挑战，我们提出了一个名为 PEARL 的新型对话式推荐数据集，该数据集由个性化和知识增强的 LLM 模拟器合成。我们从真实世界的评论中获取详细的个性化信息和知识，并构建了一个包含超过 57k 段对话的大规模数据集。我们的实验结果表明，与以往数据集相比，PEARL 中的话语包含更具体的用户偏好，在目标领域展现出专业性，并且提供的推荐与对话语境更相关。
引用
@article{arxiv.2403.04460,
title = {Pearl: A Review-driven Persona-Knowledge Grounded Conversational Recommendation Dataset},
author = {Minjin Kim and Minju Kim and Hana Kim and Beong-woo Kwak and Soyeon Chun and Hyunseo Kim and SeongKu Kang and Youngjae Yu and Jinyoung Yeo and Dongha Lee},
journal= {arXiv preprint arXiv:2403.04460},
year = {2024}
}
备注
Published at ACL 2024 Findings