May, 2023

面向对话推荐的多粒度超图兴趣建模

PDF
TL;DR本文提出了一种基于超图模型的历史对话数据建模方法，旨在解决上下文信息匮乏和数据稀缺的问题，该方法基于会话级和实体级语义关系构建超图，并进行多粒度卷积，以提高兴趣感知型对话推荐系统在推荐和对话任务中的效果。
conversational recommender systemhistorical dialogue datahypergraph interest modelingmulti-grained hypergraph convolutioninterest-aware crs
发现论文，激发创造
  • 使用层次知识建模多用户兴趣的对话式推荐系统

    本文提出了在对话推荐系统中对用户多个兴趣点的建模方法，实验证明此方法可以比基准模型 CR-Walker 推荐更广泛的物品。

    Mar, 2023

  • 基于知识图谱的语义融合改进对话式推荐系统

    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

  • 通过上下文和时态建模改进对话推荐系统，减少领域特定知识

    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

  • 多维用户建模的用户中心对话推荐

    本文提出了一种基于用户中心的对话推荐模型，该模型利用了用户历史对话记录和类似用户的信息作为用户偏好的重要来源，在对话生成和推荐方面表现出了优越性。

    Apr, 2022

  • C2-CRS：面向对话推荐系统的粗到细对比学习

    该研究提出一种粗粒度到细粒度对比学习框架以提升自然语言对话式推荐系统中外部数据的语义融合，旨在解决从有限的对话内容中精准推断用户偏好的问题，并在公共数据集上进行了广泛的实验来证明效果。

    Jan, 2022

  • 利用历史交互数据提高对话推荐系统

    本文提出了一种基于预训练的方法，通过历史交互数据和会话数据整合两种基于项目和属性的偏好序列，使用有效的负样本生成器来提高学习性能，从而改进对话推荐系统 (CRS)。实验结果表明了这种基于预训练方法的有效性。

    Aug, 2020

  • 使用描述性图来提高对话推荐中的物品和情境理解

    本文介绍了一种新的会话式推荐系统框架 KLEVER，该框架通过构建物品描述图并联合学习物品和其相关上下文词语的嵌入来增强推荐和对话生成模块，从而提高推荐系统的性能。实验结果显示，KLEVER 在用户输入信息缺乏时表现出优异的性能。

    Apr, 2023

  • 定制化对话推荐系统

    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

  • 走向统一的对话推荐系统：基于上下文化知识蒸馏的多任务学习

    论文提出了一种多任务学习的统一对话式推荐系统，通过上下文知识蒸馏，在提高推荐效果的同时增强了流畅性，并在多样性方面取得了可比较的结果。

    Oct, 2023

  • 面向主题引导的对话式推荐系统

    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