缓解对话推荐系统中的长尾问题

Jul, 2023

Alleviating the Long-Tail Problem in Conversational Recommender Systems

Zhipeng Zhao, Kun Zhou, Xiaolei Wang, Wayne Xin Zhao, Fan Pan...

TL;DRLOT-CRS 是一个创新的框架，通过使用均衡的 CRS 数据集来改进长尾推荐性能，采用两种预训练任务以增强对长尾项目的理解，并采用检索增强的微调和标签平滑策略进一步改进长尾项目的推荐。实验证明了该方法的有效性和可扩展性，特别是在长尾推荐方面。

Abstract

conversational recommender systems (CRS) aim to provide the recommendation service via natural language conversations. To develop an effective CRS, high-quality CRS datasets are very crucial. However, existing CRS datasets suffer from the →

conversational recommender systems long-tail issue recommendation performance lot-crs retrieval-augmented fine-tuning

发现论文，激发创造

在对话式推荐系统中利用大型语言模型

本文提出了一个使用大型语言模型的端到端大规模语音推荐系统，并介绍了一些技术和实现细节，包括用户偏好理解、灵活对话管理、基于 LLM 的用户仿真器等。

May, 2023

COLA: 通过协作增强改进对话式推荐系统

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

一种大型语言模型增强的对话式推荐系统

利用大型语言模型开发了一种新的会话式推荐系统（LLMCRS），能够有效管理子任务、解决不同的子任务、并生成与用户交互的响应，通过细化工作流程和使用强化学习的反馈优化，实验结果表明其性能超过现有方法。

Aug, 2023

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

大型语言模型增强的长尾用户和物品的顺序推荐

研究通过引入大型语言模型增强顺序推荐系统的性能，以应对长尾用户和长尾商品的挑战，并提出了融合语义信息和协同信号的双视图建模方法来解决这些问题。同时，通过使用检索增强的自蒸馏技术，对用户偏好表示进行改进。实验证明，所提出的增强框架相比现有方法表现更优。

May, 2024

以语言处理任务为基础的参数高效对话推荐系统

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

对话式推荐系统的进展与挑战：综述

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

对话式推荐系统调查

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

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

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