U-NEED:面向以用户需求为中心的电商对话推荐的细粒度数据集
信息检索
2023-05-09 v1 人工智能
摘要
对话推荐系统(CRSs)旨在理解对话中表达的信息需求与偏好,以向用户推荐合适物品。现有多数对话推荐数据集通过众包合成或模拟,与真实场景存在巨大鸿沟。为弥合此鸿沟,已有工作贡献了基于电商场景中用户与客服售前对话的数据集E-ConvRec。然而,E-ConvRec仅提供粗粒度标注与用于售前对话推荐的通用任务。与之不同,我们以真实用户需求为线索,探索复杂售前对话中以用户需求为中心的电商对话推荐(UNECR)。本文中,我们构建了源自真实电商场景的以用户需求为中心的电商对话推荐数据集(U-NEED)。U-NEED由三类资源组成:(i) 5个顶级类别下7,698段细粒度标注售前对话 (ii) 333,879条用户行为 (iii) 332,148个产品知识元组。为促进UNECR研究,我们提出5项关键任务:(i) 售前对话理解 (ii) 用户需求引出 (iii) 基于用户需求的推荐 (iv) 售前对话生成 (v) 售前对话评估。我们为每项任务建立了基线方法与评估指标。我们报告了U-NEED上5项任务的实验结果,亦报道了3个典型类别中的结果。实验结果表明,UNECR在各类别中的挑战不尽相同。
引用
@article{arxiv.2305.04774,
title = {U-NEED: A Fine-grained Dataset for User Needs-Centric E-commerce Conversational Recommendation},
author = {Yuanxing Liu and Weinan Zhang and Baohua Dong and Yan Fan and Hang Wang and Fan Feng and Yifan Chen and Ziyu Zhuang and Hengbin Cui and Yongbin Li and Wanxiang Che},
journal= {arXiv preprint arXiv:2305.04774},
year = {2023}
}
备注
SIGIR23 Resource Track