直播 | COLING 2020 论文解读：基于话题引导的对话推荐系统

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到中国人民大学博士生周昆，为大家解读其发表于 COLING 2020 的最新工作。对本期主题感兴趣的小伙伴，12 月 8 日（周二）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

直播信息

对话推荐系统旨在通过交互式的对话给用户推荐高质量的商品。现有的对话推荐数据集往往存在以下问题：1. 缺乏系统主动引导用户从非推荐场景过渡到推荐的过程；2. 没有考虑用户的个性化信息。这些问题导致对话推荐的数据集与实际应用场景存在一定差距，依此构建的对话推荐也就很难投入实际应用。

为了解决上述问题，本文提出了一个电影领域的对话推荐数据集 TG-ReDial。其加入了话题线索以实现将用户引导至推荐场景这一语义的自然转移，并且采用半自动的方式构建，保留了用户真实的个性化信息，使得人工标注过程更加合理可控。基于 TG-ReDial，本文提出了一个新任务——基于话题引导的对话推荐，并且基于预训练模型给出了相应的解决方案。

论文标题：

Towards Topic-Guided Conversational Recommender System

论文链接：

https://arxiv.org/abs/2010.04125

代码链接：

https://github.com/RUCAIBox/TG_CRS_Code

数据集链接：

https://github.com/RUCAIBox/TG-ReDial

本次分享的具体内容有： 

• 对话推荐系统介绍；

• 现有数据集及其瓶颈；

• 基于话题引导的对话推荐系统数据集 TG-ReDial；

• 基于话题引导的对话推荐任务 TG-CRS；

• 讨论与案例分析；

嘉宾介绍

 周昆  / 中国人民大学博士生  

周昆，现中国人民大学大数据科学与工程系博士一年级在读，导师为文继荣教授与赵鑫教授，主要研究方向为对话推荐系统和表示学习，曾以第一作者身份在 KDD，EMNLP，CIKM 等顶级会议上发表多篇论文。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。