TREA：面向会话推荐的树形结构推理模式
摘要：对话式推荐系统（CRS）旨在通过对话及时追踪用户的动态兴趣，并为物品推荐生成相关回复。最近，各种外部知识库（尤其是知识图谱）被纳入到CRS中，以提高对话情境的理解能力。然而，最近的基于推理的模型过于依赖简化的结构，如线性结构或固定分层结构用于因果推理，因此无法完全理解外部知识与话语之间的复杂关系。为了解决这个问题，我们提出了一种名为TREA的新颖的树状结构推理模式。TREA构建了一个多层次可扩展的树作为推理结构，以澄清提到的实体之间的因果关系，并充分利用历史对话为推荐结果生成更合理和适当的回复。在两个公共CRS数据集上进行的广泛实验证明了我们方法的有效性。
作者：Wendi Li, Wei Wei, Xiaoye Qu, Xian-Ling Mao, Ye Yuan, Wenfeng Xie, Dangyang Chen
论文ID：2307.10543
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-07-21