面向多子会话的对话式推荐
信息检索
2023-10-23 v1
摘要
对话式推荐系统（CRS）可通过多轮交互式对话获取用户针对目标商品的动态偏好。以往的CRS主要聚焦于单次对话（子会话），即用户在成功推荐后退出，忽视了用户在短时间内存在多次对话（多子会话）的常见场景。因此，我们提出了一种名为多子会话多轮对话式推荐（MSMCR）的新颖对话推荐场景，其中用户在若干子会话后仍会求助于CRS，并可能保留模糊兴趣，系统会主动询问属性以激活用户在当前子会话中的兴趣。为填补这一新CRS场景的空白，我们设计了一种名为带激活属性的多子会话对话推荐器（MSCAA）的新框架。具体而言，我们首先开发了一个上下文感知推荐模块，从历史交互、先前子会话以及当前子会话中的反馈综合建模用户兴趣。此外，提出了一个属性选择策略模块，以学习灵活的询问合适属性以引出用户兴趣的策略。最后，我们设计了一个对话策略模块来统筹上述两个模块，以在询问与推荐之间决定动作。在四个数据集上的大量实验验证了我们的MSCAA框架在MSMCR设定下的有效性。
引用
@article{arxiv.2310.13365,
title = {Towards Multi-Subsession Conversational Recommendation},
author = {Yu Ji and Qi Shen and Shixuan Zhu and Hang Yu and Yiming Zhang and Chuan Cui and Zhihua Wei},
journal= {arXiv preprint arXiv:2310.13365},
year = {2023}
}