【USTC】对话推荐系统的进展和挑战:综述论文，30页pdf

推荐系统利用交互历史来评估用户的偏好，在工业应用中得到了广泛的应用。然而，静态推荐模型由于其固有的缺陷，很难很好地回答两个重要的问题: (a)用户到底喜欢什么? (b) 用户为什么喜欢一个物品?缺点是由于静态模型学习用户偏好的方式，也就是说，没有明确的指示和用户的主动反馈。最近会话推荐系统(CRSs)的兴起从根本上改变了这种情况。在CRS中，用户和系统可以通过自然语言交互进行动态交流，这为明确地获取用户的准确偏好提供了前所未有的机会。

在不同的设置和应用中，为开发CRSs付出了相当大的努力。现有的CRSs模型、技术和评价方法还很不成熟。在本文中，我们提供了一个系统的回顾当前CRSs使用技术。我们将CRSs开发的主要挑战归纳为五个方向: (1) 基于问题的用户偏好挖掘。(2)多回合会话推荐策略。(3)对话理解与生成。(4) Exploitation-exploration权衡。(5)评价和用户模拟。这些研究方向涉及信息检索(IR)、自然语言处理(NLP)和人机交互(HCI)等多个研究领域。基于这些研究方向，我们讨论了未来的挑战和机遇。我们为来自多个社区的研究人员在这个领域的起步提供了路线图。我们希望这个综述有助于发现和解决CRSs的挑战，并启发未来的研究。

https://www.zhuanzhi.ai/paper/e1c910b77b4aac263f6d64725a68a397