Để Khắc phục những hạn chế của các hệ thống đề xuất đàm thoại (CRS) hiện có, vốn không tính đến phong cách ra quyết định và trình độ kiến thức không đồng nhất của người dùng, bài báo này đề xuất một khuôn khổ có tên là Hệ thống đề xuất đàm thoại tăng cường theo loại người tiêu dùng (CT-CRS), tích hợp mô hình hóa loại người tiêu dùng vào các đề xuất đàm thoại. Dựa trên lý thuyết về loại người tiêu dùng, chúng tôi định nghĩa bốn loại người dùng—Phụ thuộc, Hiệu quả, Thận trọng và Chuyên gia—dựa trên hai chiều: phong cách ra quyết định (Người tối đa hóa so với Người thỏa mãn) và trình độ kiến thức (Cao so với Thấp). CT-CRS tự động suy ra loại người dùng theo thời gian thực bằng cách tận dụng lịch sử tương tác và tinh chỉnh mô hình ngôn ngữ quy mô lớn, loại bỏ nhu cầu sử dụng bảng câu hỏi tĩnh. Chúng tôi tích hợp các loại người dùng vào các biểu diễn trạng thái và thiết kế một chính sách thích ứng với loại điều chỉnh động mức độ chi tiết, tính đa dạng và độ phức tạp của truy vấn thuộc tính của đề xuất. Để tối ưu hóa hơn nữa chính sách đàm thoại, chúng tôi sử dụng học tăng cường ngược (IRL) để cho phép tác nhân ước tính các chiến lược giống chuyên gia dựa trên các loại người tiêu dùng. Kết quả thử nghiệm trên LastFM, Amazon Books và Yelp cho thấy CT-CRS làm tăng tỷ lệ thành công của đề xuất và giảm số lượt tương tác so với các phương pháp hiện có. Các thử nghiệm bổ sung xác nhận rằng cả mô hình hóa loại người tiêu dùng và IRL đều góp phần đáng kể vào việc cải thiện hiệu suất. Tóm lại, CT-CRS cung cấp một giải pháp có thể mở rộng và diễn giải để nâng cao tính cá nhân hóa CRS bằng cách tích hợp mô hình tâm lý và tối ưu hóa chính sách nâng cao.
