将上下文策略（Contextual bandit）算法推广到对话情境的策略推荐 (Conversational contextual bandit)，通过针对关键术语（key-terms）的交流反馈来加速策略学习，设计 Conversational UCB 算法来处理此类情境，理论分析 ConUCB 可以达到比传统策略策略 LinUCB 更小的遗憾上界，实验结果表明了该算法的有效性。

Jun, 2019

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

在这项研究中，我们利用代理人能够选择获取人工反馈的上下文的事实，引入了离线情境对决贝叶斯臂设置，提出了一种基于上置信界的算法，并证明了一种遗憾上界。实验证实了该方法胜过使用均匀采样上下文的类似策略。

Jul, 2023

本文提出了一种自适应聚类技术，以探索 - 利用策略为基础，用于内容推荐系统中高动态性的推荐领域，该算法利用数据中的喜好模式，具有与协同过滤方法类似的优点，对中等规模的真实世界数据集进行了实证分析，表现出可扩展性和预测性能提高。

Feb, 2015

研究从用户反馈中学习抽取式问答，通过模拟反馈使用监督数据，并将问题视为情境臂学习。分析减少数据标注的几个学习场景的特征。显示最初训练的系统可通过用户反馈大幅度改进，并且可以使用现有数据集在新领域部署系统，而无需任何标注。

Mar, 2022

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。

May, 2020

本文详细调查了面向会话的推荐技术现有的方法，将这些方法按支持的用户意向或背景知识等维度分类，同时讨论了技术方法、CRS 的评估，以及未来需要更多研究的领域。

Apr, 2020

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

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