面向对话推荐的用户记忆推理
计算与语言
2020-06-02 v1
摘要
我们研究了一种对话推荐模型，该模型通过结构化且累积的用户记忆知识图谱动态管理用户过去的（离线）偏好和当前的（在线）请求，以实现自然交互和准确推荐。为此，我们创建了一个新的记忆图谱（MG）<-->对话推荐平行语料库，称为MGConvRex，包含7K+人类角色扮演对话，基于从真实用户场景引导的大规模用户记忆。MGConvRex捕捉了人类层面的用户记忆推理，并拥有 disjoint 的训练/测试用户集，用于推荐的零样本（冷启动）推理。我们提出了一种简单但可扩展的MG构建与更新公式，以及一种在不受约束图空间中预测最优对话策略和推荐项的推理模型。我们提出模型的预测继承了图结构，为解释模型推荐提供了自然方式。实验针对离线指标和在线模拟进行，展示了具有竞争力的结果。
引用
@article{arxiv.2006.00184,
title = {User Memory Reasoning for Conversational Recommendation},
author = {Hu Xu and Seungwhan Moon and Honglei Liu and Bing Liu and Pararth Shah and Bing Liu and Philip S. Yu},
journal= {arXiv preprint arXiv:2006.00184},
year = {2020}
}