论文链接:https://arxiv.org/abs/2206.09363
论文概述:对话推荐系统(CRS)旨在通过交互式的对话向用户推荐高质量的商品,它通常包括推荐和对话两个模块。现有工作在两个模块之间共享知识和表示,或者设计策略对齐两者的语义。然而,这些方法仍然依赖于不同的模型来分别实现这两个模块,使得他们难以无缝集成。本文基于知识增强的提示学习统一建模对话和推荐这两个模块,分别设计了特定的提示来激发预训练模型完成不同任务。具体而言,我们在提示中加入了语义融合的单词或实体表示,以提供相关的上下文和背景知识。此外,我们还将生成的回复模板作为推荐任务提示的一部分,从而进一步强化了两个任务之间的信息交互。在两个公开数据集上的实验验证了本文方法的有效性。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...