Understanding Inter-Session Intentions via Complex Logical Reasoning

要約

ユーザーの意図を理解することは、製品の推奨事項、ナビゲーションの提案、クエリの再定式化を強化するために重要です。
ただし、ユーザーの意図は複雑になる場合があり、複数のセッションや、And、Or、Not などの論理演算子で接続された属性要件が関係します。
たとえば、ユーザーはさまざまなセッションで、紫を好みに応じて Nike または Adidas のランニング シューズを検索する場合があります。
別のケースでは、ユーザーは以前のセッションでマットレスを購入しており、現在は別のマットレスを購入するつもりはなく、対応するベッドフレームを探している可能性があります。
セッション理解に関するこれまでの研究では、このような複雑な意図に対して製品や属性を推奨する方法について十分に検討されていませんでした。
この論文では、セッションがアイテムのハイパーエッジとして扱われる論理セッション複合クエリ応答のタスクを紹介し、複雑な意図の理解の問題を集約された論理セッション複合クエリ応答 (LS-CQA) のタスクとして定式化します。
セッション、アイテム、属性のハイパーグラフ。
提案されたタスクは、順序付けされたハイパーエッジとしてセッションを使用する特別なタイプの複雑なクエリ応答タスクです。
また、新しいモデルである Logical Session Graph Transformer (LSGT) も提案します。これは、トランスフォーマー構造を使用して、さまざまなセッションにわたるアイテム間の相互作用とそれらの論理接続をキャプチャします。
LSGT の表現力を分析し、論理演算子の入力の順列不変性を証明します。
私たちは 3 つのデータセットで LSGT を評価し、それが最先端の結果を達成することを実証します。

要約(オリジナル)

Understanding user intentions is crucial for enhancing product recommendations, navigation suggestions, and query reformulations. However, user intentions can be complex, involving multiple sessions and attribute requirements connected by logical operators such as And, Or, and Not. For example, a user may search for Nike or Adidas running shoes across various sessions, with a preference for the color purple. In another case, a user may have purchased a mattress in a previous session and is now seeking a corresponding bed frame without intending to buy another mattress. Prior research on session understanding has not sufficiently addressed how to make product or attribute recommendations for such complex intentions. In this paper, we introduce the task of logical session complex query answering, where sessions are treated as hyperedges of items, and we formulate the problem of complex intention understanding as a task of logical session complex queries answering (LS-CQA) on an aggregated hypergraph of sessions, items, and attributes. The proposed task is a special type of complex query answering task with sessions as ordered hyperedges. We also propose a new model, the Logical Session Graph Transformer (LSGT), which captures interactions among items across different sessions and their logical connections using a transformer structure. We analyze the expressiveness of LSGT and prove the permutation invariance of the inputs for the logical operators. We evaluate LSGT on three datasets and demonstrate that it achieves state-of-the-art results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google