RecMind：考虑寻求者内部状态的日语电影推荐对话
计算与语言
2024-02-22 v1
摘要
人类在对话中会密切关注对话者的内部状态。例如，在推荐对话中，我们在估计寻求者的内部状态（如他的知识水平和兴趣）的同时进行推荐。由于没有现有的标注资源可供分析，我们构建了RecMind，一个带有实体级寻求者内部状态标注的日语电影推荐对话数据集。每个实体都有一个由寻求者标注的主观标签和一个由推荐者标注的客观标签。RecMind还以包含长寻求者话语的引人入胜的对话为特色，从而能够对寻求者的内部状态进行详细分析。基于RecMind的分析揭示，寻求者不了解但感兴趣的实体有助于推荐成功。我们还提出了一个显式考虑寻求者内部状态的响应生成框架，利用思维链提示。人工评估结果表明，我们提出的方法在一致性和推荐成功率方面均优于基线方法。
引用
@article{arxiv.2402.13522,
title = {RecMind: Japanese Movie Recommendation Dialogue with Seeker's Internal State},
author = {Takashi Kodama and Hirokazu Kiyomaru and Yin Jou Huang and Sadao Kurohashi},
journal= {arXiv preprint arXiv:2402.13522},
year = {2024}
}