Beyond Single Items: Exploring User Preferences in Item Sets with the Conversational Playlist Curation Dataset

要約

音楽などの消費ドメインのユーザーは、多くの場合、単一のアイテム (曲など) よりも一連のアイテム (プレイリストやラジオなど) に対してより効率的に好みを提供できます。
残念ながら、これは未開拓の研究分野であり、既存のレコメンデーション システムのほとんどは、単一のアイテムに対する好みの理解に限定されています。
アイテム セットをキュレートすると、レコメンダー システムが考慮しなければならない検索スペースが指数関数的に増加します (アイテムのすべてのサブセット!)。これにより、ユーザーのニーズを理解するための効率的な方法として、ユーザーが自分の好みを明示的に述べたり調整したり、システムが自然言語で好みを引き出したりする会話型アプローチが促進されます。
.
このタスクを会話型アイテム セットのキュレーションと呼び、アイテム レベルとセット レベルの両方のフィードバックを観察することで、会話型の設定でアイテム セットに関する現実的な好みを効率的に収集する新しいデータ収集方法を提示します。
この方法論を音楽レコメンデーションに適用して会話型プレイリスト キュレーション データセット (CPCD) を構築し、他の方法では表現されない好みを評価者が表現するように導くことを示します。
最後に、このタスクのベースラインとして幅広い会話検索モデルを提案し、データセットで評価します。

要約(オリジナル)

Users in consumption domains, like music, are often able to more efficiently provide preferences over a set of items (e.g. a playlist or radio) than over single items (e.g. songs). Unfortunately, this is an underexplored area of research, with most existing recommendation systems limited to understanding preferences over single items. Curating an item set exponentiates the search space that recommender systems must consider (all subsets of items!): this motivates conversational approaches-where users explicitly state or refine their preferences and systems elicit preferences in natural language-as an efficient way to understand user needs. We call this task conversational item set curation and present a novel data collection methodology that efficiently collects realistic preferences about item sets in a conversational setting by observing both item-level and set-level feedback. We apply this methodology to music recommendation to build the Conversational Playlist Curation Dataset (CPCD), where we show that it leads raters to express preferences that would not be otherwise expressed. Finally, we propose a wide range of conversational retrieval models as baselines for this task and evaluate them on the dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google