BARCOR: 面向会话推荐系统的统一框架
该论文探讨了从上下文中提取内部知识来进行个性化推荐的方法,包括实体级别和上下文级别的表示,以及一个时间感知关注机制和使用预训练的 BART 模型来初始化生成模块,结果表明这种方法在多种数据集上的表现优于使用更多外部领域特定知识的方法,并且具有诸多优点和适用场景。
Sep, 2022
本论文提出了基于知识增强提示学习的统一会话型推荐系统模型 UniCRS,通过使用包含融合知识表示、任务特定软标记和对话上下文的知识增强提示来实现一体化的推荐和对话子任务,并证明了这种方法的有效性。
Jun, 2022
本文提出了定制化对话推荐系统(CCRS)的概念,以提高用户体验,包括多样化的对话回复生成器和细粒度意向识别,并通过元学习的方法定制化模型参数,实验表明 CCRS 在推荐和对话服务方面具有优越性。
Jun, 2022
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
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
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
使用预先训练的语言模型以自然语言表示项,通过语义匹配进行项目推荐和对话生成的统一模型 PECRS,在两个基准数据集上的实验证明了其在推荐和对话方面的有效性。
Jan, 2024