แนวคิดหลัก
사용자의 감정을 고려하여 정확한 추천과 감정적으로 매력적인 대화를 생성하는 대화형 추천 시스템을 제안한다.
บทคัดย่อ
이 연구는 대화형 추천 시스템(CRS)에 감정을 통합하여 사용자 선호도 모델링과 응답 생성을 향상시키는 방법을 제안한다.
감정 인식 모듈:
- 대화 내용에서 사용자의 감정을 추출하여 엔티티 표현에 반영
- 대화 데이터와 외부 리뷰 데이터를 활용하여 감정 정보 확장
감정 기반 추천 모듈:
- 사용자 감정을 고려하여 엔티티 표현을 개선하고 추천 정확도 향상
- 사용자 피드백을 활용한 가중치 기반 손실 함수 설계
감정 표현 응답 생성 모듈:
- 사전 학습된 언어 모델을 감정 표현 학습에 fine-tuning
- 관련 지식 검색을 통해 생성된 응답의 정보성과 일관성 향상
실험 결과, ECR 모델은 추천 정확도와 사용자 만족도 측면에서 기존 모델들을 크게 개선하였다. 특히 감정 표현 능력이 두드러지게 향상되었다.
สถิติ
사용자 피드백 중 "싫어함"과 "말하지 않음" 레이블이 각각 4.9%와 14%를 차지하여, 기존 연구에서 다수의 잘못된 레이블이 사용되었다.
ECR[Llama 2-Chat]은 Llama 2-7B-Chat 대비 감정 강도 73.5%, 감정적 설득력 28.1% 향상되었다.
ECR[Llama 2-Chat]은 Llama 2-7B-Chat 대비 정보성 29.6%, 논리적 설득력 13.9% 향상되었다.
คำพูด
"사용자의 감정을 고려하여 정확한 추천과 감정적으로 매력적인 대화를 생성하는 대화형 추천 시스템을 제안한다."
"ECR[Llama 2-Chat]은 Llama 2-7B-Chat 대비 감정 강도 73.5%, 감정적 설득력 28.1% 향상되었다."
"ECR[Llama 2-Chat]은 Llama 2-7B-Chat 대비 정보성 29.6%, 논리적 설득력 13.9% 향상되었다."