要約
会話型推薦システム（Conversational Recommender Systems: CRS）に対する関心が高まっている。このシステムは、ユーザーの嗜好を会話的な相互作用を通じて探求し、適切な推薦を行うことを目的としている。しかし、現在のCRSには以下の2点における能力の欠如が依然として問題となっている。（1）背景知識上を複数の推論経路にわたって探索し、関連するアイテムや属性を提示する能力、（2）現在のシステムの意図に応じて選択されたエンティティを適切に配置し、応答生成を制御する能力である。本稿では、これらの課題に対処するため、知識グラフ上で木構造の推論を実行し、情報豊かな対話行動（dialog acts）を生成して言語生成をガイドするモデル「CR-Walker」を提案する。本研究の特徴的な木構造推論スキームでは、各ステップで探索されたエンティティを対話行動の一部として捉え、言語生成の促進に役立てる。これにより、エンティティの選択とその表現との間に明確なリンクを構築できる。自動評価および人間評価の結果から、CR-Walkerがより正確な推薦に到達し、より情報豊かで魅力的な応答を生成できることを示した。