Mar, 2024

Pearl: 一个基于评论的个性化知识驱动对话推荐数据集

PDF
TL;DR我们提供了一个新颖的对话推荐数据集 PEARL，通过增加个性化和知识增强的 LLM 模拟器，从真实世界的评论中获得详细的人物角色和知识，构建了一个包含超过 57k 个对话的大规模数据集。我们的实验结果表明，PEARL 中的话语包括更具体的用户偏好，展示了目标领域的专业知识，并提供比之前的数据集更相关于对话上下文的推荐。
conversational recommender systemlarge language modelsrecommendation datasetpersonaknowledge
发现论文，激发创造
  • 对话中个人属性的低资源预测

    该论文提出了一种名为 PEARL 的框架，该框架通过在低资源情况下利用发言中大量的个人属性知识来预测个人属性，该框架结合了 biterm 语义信息和单词共现信息，通过在迭代过程中采用更新后的先前属性知识来优化 biterm 话题模型的 Gibbs 采样过程，多样化的实验结果表明，PEARL 在从对话中预测个人属性的任务上优于所有基线方法，并在一个数据集上的更普遍的弱监督文本分类任务中表现也很好。

    Nov, 2022

  • 深度会话推荐

    本文提供了一个名为 ReDial 的可用于公共研究的数据集，用于探索使用神经网络和深度学习技术创建对话系统的应用，并探讨了在这一领域中应用的新方法和机制。

    Dec, 2018

  • 用生成校准的召回器个性化大型语言模型写作助手

    PEARL is a retrieval-augmented LLM writing assistant that addresses the lack of personalization in LLM outputs, using a generation-calibrated retriever to select user-authored documents for prompt augmentation, resulting in improved generation quality and performance prediction.

    Nov, 2023

  • 针对对话推荐系统的合成数据集评估

    本研究提出对生成模型产生的数据集进行多方面评估的框架，探讨了各种评估方法的优缺点

    Dec, 2022

  • 借助大语言模型生成忠实的以人为基础的对话数据集

    通过建立 Generator-Critic 架构，使用 LLM 生成会话，借助 Synthetic-Persona-Chat 评估了高质量对话数据集对 NLP 模型的影响。

    Dec, 2023

  • PersonalityChat: 基于事实和特征的个性化对话建模的会话提炼

    本文利用大型语言模型（LLM）通过个性化对话生成，基于个人特点和人格特质创建了一个合成对话数据集，从而证明了个性化对话模型和与 PersonaChat 相比的表现优势。

    Jan, 2024

  • 面向电子商务知识图谱的对话式推荐数据集 COOKIE

    本文介绍了一个名为 COOKIE 的基于知识图谱的电子商务平台对话推荐的新数据集，该数据集是通过集成用户 - 代理对话和自定义知识图谱构建的，其基线和实验表明我们的数据集能够为对话推荐提供创新的机会。

    Aug, 2020

  • Persona-DB: 高效的大型语言模型个性化应答预测与协同数据精炼

    通过引入 Persona-DB 框架，本文从一个新的角度考虑数据如何更好地表示，以实现对大型语言模型 (LLMs) 定制过程中更高效的检索，同时在多个实验中展示了 Persona-DB 在任务上下文中的泛化能力和在冷启动情况下的显著改进。

    Feb, 2024

  • 基于语言模型和强化学习的事实和个性化推荐

    发展了一种令人信服，精确，个性化，与偏好相关的语言模型 (P4LM)，该模型通过使用用户偏好的嵌入空间表示来生成富有说服力的回复，同时强调解释物品特征及其相关性。此外，还开发了一个联合奖励函数，用于衡量精确性、吸引力和个性化，该函数用作基于增强学习的语言模型框架中的人工智能反馈。使用 MovieLens 25M 数据集证明了 P4LM 向用户提供了引人入胜、个性化的电影叙事。

    Oct, 2023

  • 会话式推荐系统

    本文提出将对话系统和推荐系统结合到一起，基于深度强化学习框架构建个性化的对话推荐代理以优化每个会话的效用函数。

    Jun, 2018