PSCon：基于对话的产品搜索

对话式产品搜索（CPS）系统通过自然语言与用户交互，以提供个性化和上下文感知的产品列表。然而，由于缺乏由类人语言驱动的真实 CPS 数据集，大多数现有的 CPS 研究仅限于模拟对话。此外，现有的电子商务对话数据集是为特定市场或特定语言构建的，因此无法支持跨市场和多语言使用。在本文中，我们提出了一种 CPS 数据收集协议，并创建了一个名为 PSCon 的新 CPS 数据集，该数据集通过类人语言的对话辅助产品搜索。该数据集是通过指导式人-人数据收集协议收集的，可用于双市场和两种语言。通过形式化 CPS 任务，该数据集允许对六个子任务进行全面深入的研究：用户意图检测、关键词提取、系统动作预测、问题选择、商品排序和响应生成。此外，我们对数据集进行了简明分析，并在提出的 CPS 数据集上提出了一个基准模型。我们提出的数据集和模型将有助于促进未来关于 CPS 的研究。