A Conversation is Worth A Thousand Recommendations: A Survey of Holistic Conversational Recommender Systems

要約

会話型レコメンダー システム (CRS) は、対話型プロセスを通じて推奨事項を生成します。
ただし、すべての CRS アプローチが人間の会話をインタラクション データのソースとして使用するわけではありません。
これまでの CRS の作業の大部分は、エンティティ レベルの情報を交換することで対話をシミュレートしていました。
その結果、これまでの CRS の研究の主張は、会話が予期せぬ展開になったり、会話や意図の理解が完全ではない現実世界の設定には一般化されません。
この課題に取り組むために、研究コミュニティは、現実世界のシナリオから収集された会話データを使用してトレーニングされる総合的な CRS の検討を開始しました。
それらの出現にもかかわらず、そのような総合的なアプローチは十分に研究されていません。
文献を構造化して要約することにより、総合的な CRS 手法の包括的な調査を提示します。
私たちの調査では、総合的な CRS アプローチには 3 つの要素があると認識されています。1) バックボーン言語モデル、2) 外部知識、および/または 3) 外部ガイダンスのオプションの使用。
また、CRS データセットの詳細な分析と実際のアプリケーション シナリオでの評価方法についても説明します。
総合的な CRS の現在の課題と、起こり得る将来の傾向についての洞察を提供します。

要約(オリジナル)

Conversational recommender systems (CRS) generate recommendations through an interactive process. However, not all CRS approaches use human conversations as their source of interaction data; the majority of prior CRS work simulates interactions by exchanging entity-level information. As a result, claims of prior CRS work do not generalise to real-world settings where conversations take unexpected turns, or where conversational and intent understanding is not perfect. To tackle this challenge, the research community has started to examine holistic CRS, which are trained using conversational data collected from real-world scenarios. Despite their emergence, such holistic approaches are under-explored. We present a comprehensive survey of holistic CRS methods by summarizing the literature in a structured manner. Our survey recognises holistic CRS approaches as having three components: 1) a backbone language model, the optional use of 2) external knowledge, and/or 3) external guidance. We also give a detailed analysis of CRS datasets and evaluation methods in real application scenarios. We offer our insight as to the current challenges of holistic CRS and possible future trends.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google