购物精灵：基于决策树分支的目标导向电子商务对话生成

对话式产品搜索（Conversational Product Search, CPS）的目标是开发一个智能的、基于聊天的购物助手，能够直接与客户互动，以理解购物意图、提出澄清性问题并找到相关产品。然而，训练此类助手主要因缺乏可靠且大规模的数据集而受阻。先前人工标注的 CPS 数据集规模极小，且缺乏与真实世界产品搜索系统的集成。我们提出了一种新颖的方法 TRACER，它利用大语言模型（Large Language Models, LLMs）为不同的购物领域生成逼真且自然的对话。TRACER 的新颖之处在于将生成过程建立在对话计划之上，这些计划是从决策树模型预测出的产品搜索轨迹，保证了以最少的搜索条件数量发现相关产品。我们还发布了首个目标导向的 CPS 数据集 Wizard of Shopping (WoS)，其中包含来自三个购物领域的高度自然且连贯的对话（3.6k）。最后，我们通过人工评估和下游任务证明了 WoS 的质量和有效性。