科研之友
微信
新浪微博
Facebook
分享链接
摘要
对话推荐旨在通过与用户对话来获取用户偏好并向其推荐高质量的商品，现有的对话推荐系统大多忽略了用户记忆中的潜在兴趣，导致难以在短时间内准确获取用户偏好。针对这一问题，该文提出了基于用户记忆的对话推荐模型，用户记忆包括用户的历史行为序列和评论、对话记录。首先，通过图神经网络学习评论和对话记录中用户、商品和属性之间的关系信息，保证系统能够提出与用户偏好最相关的问题来尽快了解用户当前需求；其次，利用改进的Transformer建模用户多类型行为序列来学习用户潜在兴趣；最后，与学习到的关系信息融合来做出推荐。在包含多个领域的对话数据集上的实验结果表明，该文提出的模型既能获得更高的推荐准确性又能以更少的对话次数成功推荐商品。
- 出版日期2023
- 单位上海理工大学
