Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Systèmes de recommandation conversationnelle multi-types sensibles au contexte via un mélange d'experts

Created by
  • Haebom

Auteur

Jie Zou, Cheng Lin, Weikang Guo, Zheng Wang, Jiwei Wei, Yang Yang, Heng Tao Shen

Contour

Cet article propose un système de recommandation conversationnelle multi-types sensible au contexte (MCCRS) qui intègre efficacement divers types d'informations contextuelles afin d'améliorer les performances des systèmes de recommandation conversationnelle. MCCRS intègre des informations structurées et non structurées, notamment des graphes de connaissances structurés, des transcriptions de conversations non structurées et des évaluations de produits non structurées. Chaque expert est spécialisé dans une information contextuelle spécifique (graphes de connaissances structurés, transcriptions de conversations et évaluations de produits), et ChairBot coordonne plusieurs experts pour produire le résultat final. Les résultats expérimentaux démontrent que MCCRS surpasse largement les modèles de référence existants.

Takeaways, Limitations

•
Takeaways:
◦
Nous présentons une nouvelle architecture de système de recommandation interactif qui intègre efficacement différents types d’informations contextuelles (structurées et non structurées).
◦
Surmonter les limites de l'utilisation des informations contextuelles à l'aide de systèmes experts et de ChairBot.
◦
Amélioration des performances vérifiée expérimentalement par rapport aux modèles existants
•
Limitations:
◦
Manque d'explication détaillée du processus décisionnel de ChairBot
◦
Manque de stratégies spécifiques pour ajuster les poids des différents types d’informations contextuelles.
◦
Des recherches supplémentaires sont nécessaires pour déterminer la généralisabilité à des domaines spécifiques.
👍
Made with Slashpage