- ChatGPT 基于对话推荐系统的用户体验导航：提示引导和推荐领域的影响
使用 ChatGPT 为基础的对话式推荐系统研究了 Prompt Guidance（PG）和 Recommendation Domain（RD）这两个因素对系统整体用户体验的影响，并发现 PG 可以大大提升系统的可解释性、适应性、感知易用性 - 重建 - 调整：改进面向对话推荐的大型语言模型
LLMs 在会话推荐系统中通过熟练索引物品内容、理解复杂的对话环境和生成相关物品标题，正在颠覆会话式推荐系统，然而，控制推荐物品的分布仍然是一个挑战。因此，我们提出了一个 Reindex-Then-Adapt（RTA）框架，用于转换 LLM - IJCAIFedConPE：具有异构客户端的高效联邦对话赌博
FedConPE 是一种基于相位消除的联邦对话贪心算法，通过与中央服务器的协作来解决全局上下文线性贪心问题，并确保数据的安全管理。FedConPE 能够以增强的计算和通信效率以及升级的隐私保护方式，优于现有的对话贪心算法，并且使用更少的对话 - SIGIR行为对齐：评估基于 LLM 的对话推荐系统的新视角
基于大型语言模型的对话式推荐系统在行为一致性方面存在差异，本研究提出了行为一致性评估指标 Behavior Alignment，该指标通过与人类推荐者进行对比能够更好地衡量系统性能，并且提出了一种基于分类的隐式测量方法来评估该指标的鲁棒性。
- 评估大型语言模型作为生成式用户模拟器用于对话推荐
通过五项任务评估语言模型在对话推荐中模拟人类行为的效果，研究发现基准模拟器的评估可以揭示语言模型与人类行为的差异，并提供了模型选择和提示策略的见解。
- AAAIRecWizard：基于模块化、便携模型和交互用户界面的对话式推荐工具包
我们介绍了一种名为 RecWizard 的新的 Python 工具包，用于 Conversation Recommender Systems（CRS）。RecWizard 提供了模型开发和交互用户界面的支持，借鉴了 Huggingface - ACL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。
- 知识图谱和预训练语言模型增强的对话式推荐系统表示学习
利用对话历史和自然语言交互，通过知识增强的实体表示学习框架（KERL）来改善对话型推荐系统的语义理解和推荐效果。
- 销售人员与销售机器人：探索对话式推荐系统中教育价值的作用
通过结合大型语言模型的先进技术，我们定义了一个新的问题空间，旨在通过混合类型和混合主动式对话提供产品推荐和教育价值的对话代理系统。我们通过构建 SalesBot 和 ShopperBot，对 SalesBot 与专业销售人员进行全面的人类研 - EMNLP电商售前对话中的会话式推荐系统与大型语言模型的完美结合
本文研究了将大型语言模型与对话型推荐系统结合在电子商务售前对话中的有效性，并提出了两种协作方法：对话型推荐系统辅助大型语言模型和大型语言模型辅助对话型推荐系统。通过对真实世界电子商务售前对话数据集进行广泛实验，我们分析了两种协作方法在四个任 - 一次对话胜过千言万语的推荐：综合对话推荐系统调查
综述了以结构化方式总结的综合对话推荐系统方法，并对真实应用场景中的对话推荐系统数据集和评估方法进行了详细分析，提出了目前综合对话推荐系统所面临的挑战和可能的未来趋势。
- MMVideolandGPT：一项关于会话式推荐系统的用户研究
通过在用户与聊天界面的交互中考虑额外的上下文，引入了名为 VideolandGPT 的推荐系统，使用 ChatGPT 从预定内容集中选择，该推荐系统评估了排名指标、用户体验和推荐的公平性，通过一项用户研究表明，个性化版本在准确度和用户满意度 - 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。
- 对话式推荐系统中用户意图建模的理解：系统性文献综述
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 - 缓解对话推荐系统中的长尾问题
LOT-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 - ACLTREA：用于对话推荐的树状推理模式
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 - KDD通过反事实数据模拟改进对话式推荐系统
本文提出了一种名为 CFCRS 的对话推荐系统，该系统采用反事实数据模拟方法来减轻对话推荐系统中数据不足的问题，并设计了基于对话模式的多阶段模拟器和逐步优化数据增强策略的对抗训练方法
- 在大语言模型时代重新思考对话式推荐系统的评估
本文介绍了利用大型语言模型进行对话推荐的研究，并提出了一种基于 LLM 的用户模拟器的交互式评估方法 iEvaLM，从而改善了现有的评估协议。在两个公共数据集上的实验表明，ChatGPT 展现出较大的优势，并强调解释性的评估。此研究有助于更 - SIGIRU-NEED: 一种针对用户需求的细粒度电子商务对话推荐数据集
本研究使用真实的电商数据构建了一个用户需求为中心的电子商务对话推荐数据集并提出 5 个任务，包括对话理解、需求调查、基于用户需求的推荐、对话生成和对话评估，在不同类别中探索电商推荐的挑战。
- 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。