利用示例批判和建议进行基于偏好的搜索

Sep, 2011

利用示例批判和建议进行基于偏好的搜索

Preference-based Search using Example-Critiquing with Suggestions

B. Faltings, P. Pu, P. Viappiani

TL;DR本文探讨了交互式工具＂例子批判＂来帮助用户在大量选项中快速找到最合适的物品，并介绍了通过基于用户当前的喜好模型和潜在的隐藏喜好来计算建议来改善该技术的新技术。用合成和真实用户进行性能评估，结果表明，这些建议对用户非常吸引人，可以刺激他们表达更多的偏好以提高识别出最喜欢的物品的机会，提高了 78%。

Abstract

We consider interactive tools that help users search for their most preferred item in a large collection of options. In particular, we examine example-critiquing, a technique for enabling users to incrementally c

interactive tools example-critiquing preference models suggestions user preferences

发现论文，激发创造

通过批评与解释交互

本文提出了一种新颖的使用方面标记的技术，可以从评论文本中生成个性化的推荐解释，允许用户通过批判文本解释来修改推荐条件，在两个真实数据集上的实验证明，该方法可以在单步和多步批判中适应用户的偏好，是一种新型的无监督批判方法。

May, 2020

将批评转化为对话推荐系统的偏好：对话推荐系统的前景不妙

本文提出了一种基于神经语言模型的方法，将用户的美食评价转化为正面的喜好，以检索出更好的美食推荐，进而在餐饮领域中优化推荐效果。

Sep, 2021

通过使用相关问题在对话式推荐系统中征求用户偏好

该研究论文提出了一种基于使用情况的隐式问题提取方法，利用大型评论语料库中的句子和神经文本转换模型生成问题，以更有效地收集用户偏好，通过众包方式完成多阶段数据注释协议以准确标记神经模型训练数据，并进行了模型性能分析。

Nov, 2021

WhittleSearch：基于相对属性反馈的交互式图片搜索

该论文提出了一种新颖的图像搜索反馈模式，其中用户可以描述应调整示例图像的哪些属性以更贴近其所寻找的图像的心理模型，并利用比较语言以多维属性空间中的约束迭代更新其相关性函数和重新排列图像数据库，通过使用相对属性的顺序特性，以提高搜索速度和准确性，优化了人、产品和场景的图像搜索。

May, 2015

实时交互式搜索

该论文介绍了 Seeker 系统，它允许用户通过喜欢和不喜欢的反馈形式实时交互地细化搜索排名。用户可以通过一个对象的嵌入空间进行搜索，然后采用顺序反馈逐步适应搜索结果。该算法可以通过人类参与的实验量化评估，从而使得该方法具有质量保证。

May, 2019

点击反馈检索

本研究旨在通过用户点击喜欢和不喜欢的搜索结果提供反馈，以指导搜索过程，构建了新的基于时尚领域大规模数据集的点击反馈检索基准，证明了将点击反馈纳入训练可以显著提高检索质量。

Apr, 2023

对话式推荐系统的进展与挑战：综述

本文系统地回顾了当前对话式推荐系统（CRSs）的技术，总结了 CRSs 开发中的 5 个关键方向：基于问题的用户偏好获取、多轮对话推荐策略、对话理解和生成、开发利用折中和探索等方法的算法、以及 CRSs 的评估和用户模拟问题，并根据这些研究方向讨论了一些未来的挑战和机遇。

Jan, 2021

基于负面反馈的对话式产品搜索

本研究提出了一种基于非相关项驱动的产品搜索对话范式，该范式旨在收集和利用细粒度反馈，以在下一次迭代中显示更好的结果。我们提出了一种方面 - 价值可能性模型，用于结合正反馈和负反馈。实验结果表明，我们的模型比基于项级负反馈和不使用反馈的最先进的产品搜索基线显着更好。

Sep, 2019

交互推荐中的软属性偏好征求

基于软属性，利用概念激活向量开发了一种新颖的偏好征集方法，结合了物品和属性的偏好征集，以提高推荐系统的推荐质量。

Oct, 2023

通过用户模拟评估对话式推荐系统

本文提出一种通过用户模拟来替代人类评估的方法，以实现对话推荐系统的自动评估。作者表明，通过考虑用户的个人喜好和与系统的一般交互流程，偏好建模和特定任务交互模型都有助于实现高度自动化的绩效评估结果和人工人工评估的高度相关性。

Jun, 2020