ACLJul, 2023

TREA：用于对话推荐的树状推理模式

PDF
TL;DR对话式推荐系统中，我们提出了一种名为 TREA 的新型树形推理结构，用于构建多层次的可扩展树，以澄清提及实体之间的因果关系，并充分利用历史对话生成更合理和适合的推荐结果。我们在两个公共对话式推荐系统数据集上进行了广泛的实验，证明了我们方法的有效性。
conversational recommender systemsexternal knowledge basesreasoning-based modelsmulti-hierarchical scalable treecausal relationships
发现论文，激发创造
  • CR-Walker: 基于树形图的图推理和对话行为技术，用于对话式推荐

    CR-Walker 是一种新的 Conversational Recommender Systems 模型，利用知识图谱进行基于树形结构的推理和产生提示对话行为的指导，可以实现更准确的推荐和更具信息量和吸引力的回应。

    Oct, 2020

  • 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

  • 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

  • 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

  • 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

  • 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

  • 对话式推荐系统的长短期规划

    基于长短期反馈架构的对话推荐系统中，通过预测用户偏好和同用户历史记录，推荐对话模型预测下一个话题或属性以验证用户偏好，以实现全面交互的对话及推荐功能。

    Oct, 2023

  • 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

  • 面向对话推荐的多粒度超图兴趣建模

    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。

    May, 2023