理解对话式推荐系统中交互风格偏好的因素：系统质量、用户体验和特质的预测作用

对话式推荐系统（CRS）通过多轮自然语言对话提供个性化推荐，越来越多地支持面向任务导向和探索性交互。然而，影响用户交互偏好的因素仍未得到充分探讨。本研究在内测实验中邀请了139名参与者，让他们体验两种脚本化的CRS对话，评估他们的体验，并指示其对八种系统质量的重要性。Logistic回归结果表明，偏好探索性交互的预测因素包括：享受、有用性、新颖性和对话质量。意外的是，感知的有效性也与探索偏好相关。聚类分析发现，五个潜在用户轮廓具有不同的对话风格偏好。调节分析显示，年龄、性别和控制偏好显著影响了这些选择。这些发现将情感、认知和特质水平的预测因素整合到CRS用户建模中，并为自主感知、价值导向的对话设计提供了指导。该提出的预测和自适应框架广泛适用于寻求动态对齐用户需求的对话式AI系统。