本研究针对推荐交互中缺乏注释的社交策略问题，提出了 INSPIRED 数据集，并设计了一种基于社会科学理论的注释方案，分析表明，推荐对话系统中采用社交策略，如个人观点分享等，更有可能成功推荐，而结合该策略的模型表现更好。这是建立基于社会科学理论的社交推荐对话系统的第一步。
Sep, 2020
本论文介绍了一种使用知识图谱和互信息最大化技术的对话式推荐系统，通过增强对话数据表示来解决上下文信息不足以及自然语言表达和用户偏好之间的语义鸿沟问题，从而在推荐和对话任务方面提高了性能。
Jul, 2020
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
本文提出了一个名为 TG-ReDial 的新的对话推荐系统数据集，其具有包括主题线程和半自动构建在内的两个主要特征，为通过自然语义过渡实现主动引导的推荐场景；同时还提出了一种有效的基于主题引导的对话推荐方法， 并在主题预测、物品推荐和响应生成三个子任务上展示了该方法的有效性。
Oct, 2020
通过协同增强的方法，利用交互式用户 - 项目图表和门控技术增进用户和项目的特征表示，在获取商品信息方面有更好的表现。
Dec, 2022
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
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
该论文提出了基于知识图谱的对话推荐系统（KECRS），通过引入 Bag-of-Entity loss 和 infusion loss，将外部知识图谱和人类语言相结合，从而生成更多元化和信息丰富的响应建议。实验表明，KECRS 的准确性和生成质量在推荐系统方面均优于现有的基于聊天的对话推荐系统。
May, 2021