UCEpic：统一方面规划与词汇约束以生成推荐解释
人工智能
2023-06-06 v2 计算与语言
摘要
用于可解释推荐的个性化自然语言生成在论证推荐为何符合用户兴趣方面起着关键作用。现有模型通常通过方面规划来控制生成过程。尽管有前景，这些方面规划方法难以正确生成特定信息，阻碍了生成解释的可信度。本文中，我们主张引入词汇约束可缓解上述问题。我们提出一个模型 UCEpic，通过以基于插入的生成方式统一方面规划与词汇约束，为推荐结果生成高质量个性化解释。在方法上，为确保文本生成质量及对各类词汇约束的鲁棒性，我们通过所提鲁棒插入过程预训练了一个非个性化文本生成器。然后，为在该基于插入生成的框架下获得个性化解释，我们设计了一种将方面规划与个性化参考融入插入过程的方法。因此，UCEpic 将方面规划与词汇约束统一到一个框架中，并在不同设置下为推荐生成解释。与先前仅由方面控制的推荐解释生成器相比，UCEpic 融入了来自关键词短语的特定信息，并在 RateBeer 和 Yelp 等数据集上大幅提升了生成推荐解释的多样性与信息量。
引用
@article{arxiv.2209.13885,
title = {UCEpic: Unifying Aspect Planning and Lexical Constraints for Generating Explanations in Recommendation},
author = {Jiacheng Li and Zhankui He and Jingbo Shang and Julian McAuley},
journal= {arXiv preprint arXiv:2209.13885},
year = {2023}
}
备注
Accepted to KDD 2023