對(duì)話推薦算法研究綜述

來(lái)源：專知
本文為論文，建議閱讀5分鐘
推薦系統(tǒng)是一種通過(guò)理解用戶的興趣和偏好幫助用戶過(guò)濾大量無(wú)效信息并獲取感興趣的信息或者物品的信息過(guò)濾系統(tǒng).

推薦系統(tǒng)是一種通過(guò)理解用戶的興趣和偏好幫助用戶過(guò)濾大量無(wú)效信息并獲取感興趣的信息或者物品的信息過(guò)濾系統(tǒng).目前主流的推薦系統(tǒng)主要基于離線的、歷史的用戶數(shù)據(jù)，不斷訓(xùn)練和優(yōu)化線下模型，繼而為在線的用戶推薦物品，這類訓(xùn)練方式主要存在三個(gè)問(wèn)題：基于稀疏且具有噪聲的歷史數(shù)據(jù)估計(jì)用戶偏好的不可靠估計(jì)、對(duì)影響用戶行為的在線上下文環(huán)境因素的忽略和默認(rèn)用戶清楚自身偏好的不可靠假設(shè).由于對(duì)話系統(tǒng)關(guān)注于用戶的實(shí)時(shí)反饋數(shù)據(jù)，獲取用戶當(dāng)前交互的意圖，因此"對(duì)話推薦"通過(guò)結(jié)合對(duì)話形式與推薦任務(wù)成為解決傳統(tǒng)推薦問(wèn)題的有效手段.對(duì)話推薦將對(duì)話系統(tǒng)實(shí)時(shí)交互的數(shù)據(jù)獲取方式應(yīng)用到推薦系統(tǒng)中，采用了與傳統(tǒng)推薦系統(tǒng)不同的推薦思路，通過(guò)利用在線交互信息，引導(dǎo)和捕捉用戶當(dāng)前的偏好興趣，并及時(shí)進(jìn)行反饋和更新.在過(guò)去的幾年里，越來(lái)越多的研究者開始關(guān)注對(duì)話推薦系統(tǒng)，這一方面歸功于自然語(yǔ)言處理領(lǐng)域中語(yǔ)音助手以及聊天機(jī)器人技術(shù)的廣泛使用，另一方面受益于強(qiáng)化學(xué)習(xí)、知識(shí)圖譜等技術(shù)在推薦策略中的成熟應(yīng)用.本文將對(duì)話推薦系統(tǒng)的整體框架進(jìn)行梳理，將對(duì)話推薦算法研究所使用的數(shù)據(jù)集進(jìn)行分類，同時(shí)對(duì)評(píng)價(jià)對(duì)話推薦效果的相關(guān)指標(biāo)進(jìn)行討論，重點(diǎn)關(guān)注于對(duì)話推薦系統(tǒng)中的后臺(tái)對(duì)話策略與推薦邏輯，對(duì)近年來(lái)的對(duì)話推薦算法進(jìn)行綜述，最后對(duì)對(duì)話推薦領(lǐng)域的未來(lái)發(fā)展方向進(jìn)行展望.

http://www.jos.org.cn/jos/article/abstract/6521