Aug, 2023

对话式推荐系统中用户意图建模的理解：系统性文献综述

PDF
TL;DR通过系统文献综述分析了用户意图建模相关的概念和常用模型，并提供了决策模型以辅助研究人员选择最合适的模型。研究分析了 59 个不同的模型，并鉴别出 74 个常用特征，为模型组合、选择趋势、质量问题、评估方法和常用数据集提供了有价值的见解，促进了更有效和个性化的对话推荐系统的发展。通过对话推荐系统，研究人员能够更系统和高效地评估意图建模框架的适合程度。
user intent modelingnatural language processingconversational recommender systemsdecision modelevaluation measures
发现论文，激发创造
  • 对话推荐系统中意图识别

    本文研究了对话推荐系统中的最近工作，并介绍了一种将上下文化的输入与学习模型联系起来以支持意图识别的方法，使用 transformer 基础模型在数据集 MSDialogue 上进行了性能评估。

    Dec, 2022

  • 网络搜索与对话代理中的用户意图推断

    研究如何通过建立新模型来识别用户意图，以提高自然语言处理、查询分析、查询建议和排序等搜索引擎任务的效果。

    May, 2020

  • 信息检索对话中的用户意图预测

    研究了信息检索中用户意图识别的两个方面，提取基于内容，结构和情感特征的特征，利用经典机器学习方法执行用户意图预测，使用特征重要性分析确定了结构特征对预测的贡献最大，并构建了神经分类器以提高性能。

    Jan, 2019

  • 从过去的对话中挖掘意图信息以供会话代理使用

    本文提出了意图发现框架，通过自动聚类类似用户话语并手动注释，再通过对未被聚类映射的话语标记意图标签和标记传播，从原始对话中生成意图训练数据，以有效地解决在聊天机器人开发过程中遇到的用户话语分类问题，并验证了该框架的有效性。

    May, 2020

  • 用户建模与用户画像：综述

    这篇综述论文详细论述了用户建模和个人资料研究领域的现状、发展趋势和未来发展方向，并提出了一个包含最新动态的新颖分类系统。研究表明，用户建模方法正在向更复杂的个人资料建立方法转变，强调隐式数据收集、多行为建模以及图数据结构的整合。此外，研究还探讨了用户建模在假新闻检测、网络安全和个性化教育等领域的应用。该综述为研究人员和实践者提供了全面的资源，旨在对用户建模和个人资料的发展提供深入洞察，指导更加个性化、道德和有效的人工智能系统的发展。

    Feb, 2024

  • 神经对话模型

    通过序列到序列框架，一种简单的端到端的对话模型方法被提出，在特定的领域和大规模通用领域的数据集上表现出很好的对话效果，并可用于执行常识推理任务。

    Jun, 2015

  • 一种可扩展的框架，用于从隐性用户反馈中学习，以改善大规模对话 AI 系统中的自然语言理解能力

    本文提出了一种可扩展且自动的方法，通过利用隐式用户反馈来改进大规模对话 AI 系统中的自然语言理解 (NLU)。我们基于用户交互数据和对话上下文，提出了一个通用的领域无关框架，以改进来自生产流量的 NLU 新监督数据。通过广泛的实验，我们展示了应用该框架并改进大规模生产系统中的 NLU 的结果，并展示了其在 10 个领域的影响。

    Oct, 2020

  • 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

  • 通过用户模拟评估对话式推荐系统

    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

  • 信息搜索对话中用户意图的分析与表征

    本研究介绍了一个新的数据集，用于分析信息搜寻对话的用户意图分布、共同出现和流程模式，并利用 MSDialog 数据集发现了一些可用于设计对话式搜索系统的高频用户意图模式。

    Apr, 2018