Modeling Multiple User Interests using Hierarchical Knowledge for Conversational Recommender System

要約

会話型レコメンダー システム (CRS) は、自然言語会話によるアイテム レコメンデーションの実用的なアプリケーションです。
このようなシステムは、適切なパーソナライズされたレコメンデーションに対するユーザーの関心を推定します。
ユーザーはさまざまなカテゴリやジャンルにさまざまな関心を持っている場合がありますが、既存の研究では、密接に関連する項目によってカバーできる固有のユーザーの関心が想定されています。
この作業では、CRS でこのような複数のユーザーの関心をモデル化することを提案します。
ReDial データセットを用いた実験でその効果を調べたところ、提案手法はベースラインの CR-Walker よりも幅広いアイテムをレコメンドできることがわかりました。

要約(オリジナル)

A conversational recommender system (CRS) is a practical application for item recommendation through natural language conversation. Such a system estimates user interests for appropriate personalized recommendations. Users sometimes have various interests in different categories or genres, but existing studies assume a unique user interest that can be covered by closely related items. In this work, we propose to model such multiple user interests in CRS. We investigated its effects in experiments using the ReDial dataset and found that the proposed method can recommend a wider variety of items than that of the baseline CR-Walker.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google