SIGIR2022 | 對話式推薦系統中的用戶偏好建模

論文鏈接：https://irlab.science.uva.nl/wp-content/papercite-data/pdf/ren-2022-variational.pdf

本文提出了一種基於用戶偏好的對話式推薦系統（User Preferences for Conversational Recommendation，UPCR）,分別從曆史對話和當前對話中推理用戶的長期和短期偏好，為解决無標注問題，我們將長短期用戶偏好視為兩個相互獨立的隱變量，並使用變分貝葉斯推斷來近似准確的後驗概率分布，在推薦階段，除了用戶偏好，我們還引入外部知識來增强話題與物品之間的相關性，實驗結果證明了所提方法的有效性。

貢獻總結如下：

1.在基於話題引導對話式推薦系統中，我們提出了UPCR來挖掘用戶的長期偏好和短期偏好。

2.為解决用戶偏好無標注的問題，我們對用戶偏好建模，使用變分貝葉斯算法來推斷用戶的長期偏好和短期偏好。

3.除了用戶偏好，我們還引入了外部知識來提昇話題預測和推薦的准確率。

4.UPCR在兩個對話式推薦數據集上的效果都超過了其他模型，證明了UPCR的有效性。