HyperAIHyperAI
منذ 17 أيام

التوصية الحوارية المركزية حول المستخدم مع نمذجة المستخدم متعددة الجوانب

Shuokai Li, Ruobing Xie, Yongchun Zhu, Xiang Ao, Fuzhen Zhuang, Qing He
التوصية الحوارية المركزية حول المستخدم مع نمذجة المستخدم متعددة الجوانب
الملخص

تهدف أنظمة التوصية الحوارية (CRS) إلى تقديم توصيات عالية الجودة خلال المحادثات. ومع ذلك، فإن معظم النماذج التقليدية لأنظمة التوصية الحوارية تركز بشكل رئيسي على فهم الحوار في الجلسة الحالية، وتتجاهل المعلومات الغنية متعددة الجوانب الأخرى المتعلقة بالعوامل المركزية (أي المستخدمين) في المهمة التوصيةية. في هذه الدراسة، نسلط الضوء على أن جلسات الحوار التاريخية للمستخدمين والمستخدمين المشابهين لهم يُعدان مصادر أساسية لفهم تفضيلات المستخدم، إلى جانب الجلسة الحوارية الحالية في أنظمة التوصية الحوارية. ولنُنظِّم نمذجة المعلومات متعددة الجوانب بشكل منهجي، نقترح نموذجًا متمحورًا حول المستخدم يُسمى (UCCR)، والذي يعود إلى الجوهر الأساسي لتعلم تفضيلات المستخدم في مهام التوصية الحوارية. وبشكل محدد، نقترح مُتعلم جلسات تاريخية لاستخلاص تفضيلات المستخدم من زوايا متعددة (من حيث المعرفة، والمعاني، والاستهلاك)، كمكملات للإشارات الحالية لتفضيلات المستخدم. كما نُطبّق مُمَرَّر تفضيلات متعددة الأوجه لتعلم العلاقات الداخلية بين الزوايا المختلفة في الجلسات الحالية والتاريخية من خلال أهداف ذاتية التعلم (self-supervised). كما صممنا أيضًا مُحدد مستخدمين مُشابهين زمنيًا لفهم المستخدمين من خلال المستخدمين المشابهين لهم. وتُستخدم التفضيلات المتعددة الجوانب والمتعددة الأوجه التي تم التعلم عنها في التوصية وإنشاء الحوار. وفي التجارب، أجرينا تقييمات شاملة على مجموعات بيانات CRS باللغتين الصينية والإنجليزية. وتكشف النتائج المُحسَّنة بشكل كبير مقارنةً بالنماذج التنافسية في كل من التوصية وإنشاء الحوار، عن التفوق المُبهر لنموذج UCCR.