SAPIENT：掌握基于战略规划与蒙特卡洦树搜索的多轮对话推荐
计算与语言
2025-05-09 v3
摘要
对话式推荐系统（CRS）通过主动与用户进行交互式对话来获取用户偏好并提供个性化推荐。现有方法基于贪心动作选择或抽样策略训练强化学习（RL）代理，可能 suffer from 次优对话规划。为此，我们提出一种基于蒙特卡洦树搜索（MCTS）的新型CRS框架SAPIENT。SAPIENT由对话代理（S-agent）和对话规划器（S-planner）组成。S-planner基于S-agent提出的初始动作，利用MCTS构建对话搜索树，以寻找对话计划。S-planner得出的最佳对话计划用于指导S-agent的训练，形成一个自我训练循环，使S-agent能够迭代提升其对话规划能力。此外，我们提出了一种在训练效率与性能之间进行权衡的高效变体SAPIENT。广泛的实验在四个基准数据集上验证了方法的有效性，表明SAPIENT在与最新基线方法方面表现更优。我们的代码和数据可通过 https://github.com/ninglab/SAPIENT 获取。
引用
@article{arxiv.2410.09580,
title = {SAPIENT: Mastering Multi-turn Conversational Recommendation with Strategic Planning and Monte Carlo Tree Search},
author = {Hanwen Du and Bo Peng and Xia Ning},
journal= {arXiv preprint arXiv:2410.09580},
year = {2025}
}
备注
Accepted to NAACL 2025 Main Conference