May, 2020

冷启动用户的对话推荐：无缝统一属性和物品

PDF
TL;DR本篇研究工作使用 Thompson Sampling 框架无缝统一属性与物品，从而构建了一个名为 Conversational Thompson Sampling（ConTS）的模型，解决了在交互式推荐系统中手工建立属性和物品之间的关系所带来的问题。通过在三个基准数据集上进行的广泛实验，该模型在成功率和平均会话轮数这两个指标上均优于最先进的方法。
发现论文，激发创造
  • 通过属性驱动的主动学习解决物品冷启动问题

    在本篇论文中，我们提出了一种结合活跃学习与商品属性信息的新型冷启动推荐方法，该方法基于商品属性和用户的评价历史设计了有用的用户选择标准，并将该标准组合成选择用户的优化框架。通过利用反馈评分、用户先前评分和商品属性，我们为其他未被选中的用户生成准确的评分预测。实验结果表明，我们的方法优于传统方法。

    May, 2018

  • 面向对话推荐的交互式图路径推理

    本文提出了一种名为 CPR 的通用框架，将会话型推荐建模为图上的交互式路径推理问题，通过遵循用户反馈，以明确的方式利用用户首选属性，通过利用图结构，CPR 能够剪枝许多不相关的候选属性，从而更好地命中用户首选属性，实验证明了 CPR 的有效性，特别是我们发现，属性越多，我们的方法取得的优势就越大。

    Jul, 2020

  • 估计 - 行动 - 反思：走向对话型和推荐系统之间的深度交互

    本文提出了一种名为 EAR 的新的 CRS 框架，旨在解决三个基本问题：何时提供推荐、什么问题可以问及什么时候以及如何应对用户的反馈。该框架包括三个阶段：估计、操作、反思。在 Yelp 和 LastFM 数据集上进行的广泛实验表明，该框架显著改进了现有方法与 CRM（32）相比，在推荐准确度上有更高的命中率和更少的对话轮次。

    Feb, 2020

  • 跨领域广告推荐的动态协同过滤汤普森抽样算法

    本文提出了动态协同过滤汤姆逊取样模型 (DCTS)，通过用户和广告之间的相似性来估计 Thompson 取样的先验分布，并将知识在多个领域之间进行转移。实证分析结果表明，DCTS 比现有模型将点击率提高了 9.7%

    Aug, 2022

  • 使用带有依赖臂的多臂老虎机进行在线交互式协同过滤

    研究如何考虑物品间的相关性，将物品聚类为不同的组别，并使用基于粒子学习的算法来推断模型的潜在参数和状态，从而开发出一种可以有效地整合现有多臂选择策略的在线交互协作推荐系统。

    Aug, 2017

  • 多任务物品 - 属性图预训练在严格冷启动物品推荐中的应用

    本研究提出使用基于内容和历史数据的多任务学习训练知识性物品 - 属性图的冷启动推荐框架，以改善冷启动场景下推荐系统的性能。

    Jun, 2023

  • 对话式推荐作为检索：一个简单而强大的基准模型

    本文提出了一种 IR 式方法，将对话表示为查询，将物品表示为待检索的文档，扩展了用于检索的文档表示，并使用 BM25 检索器进行比较，证明了该方法比使用复杂外部知识的基线模型效果好，同时通过用户中心建模和数据增强来解决 CRS 的冷启动问题。

    May, 2023

  • 基于图形强化学习的统一会话推荐策略学习

    本文提出一种动态加权图强化学习方法，将 CRS 中的三个决策问题统一到一个策略学习任务中，并针对样本效率问题，提出两种动作选择策略，以解决 CRS 中的可伸缩性和稳定性问题。在两个基准 CRS 数据集和一个实际电子商务应用上的实验结果表明，该方法不仅显著优于现有方法，而且提高了 CRS 的可伸缩性和稳定性。

    May, 2021

  • BARCOR: 面向会话推荐系统的统一框架

    本文提出了一种基于 BART 的统一框架，针对面向对话推荐的两个任务（推荐和响应生成）设计了单一模型，另外还构建了一个电影领域的轻量级知识图谱，在自动化和人类评估方面都取得了最先进的表现。

    Mar, 2022

  • 基于贝叶斯的对话式推荐系统

    基于贝叶斯方法的对话式推荐系统，通过概率质量函数更新物品，信息理论标准最优地塑造互动并决定何时结束对话，并相应地推荐最可能的物品，结合历史数据进行先验信息推断，应用于 stagend.com 平台，并通过实证分析显示出推荐质量和效率方面的优势。

    Feb, 2020