이 연구는 대화 상황에서 추천 제공의 적절성을 식별하는 문제를 다룹니다. 기존 추천 시스템은 주로 무엇을 추천할지에 초점을 맞추었지만, 대화형 시스템에서는 사용자의 경험을 방해하지 않도록 추천을 제공할 적절한 시점을 판단하는 것이 중요합니다.
연구진은 추천 적절성 식별 문제를 정의하고, 이를 평가하기 위한 JDDCRec 데이터셋을 구축했습니다. 또한 사전 훈련된 언어 모델(PLM)과 프롬프트 학습 기법을 활용하여 추천 적절성 식별 성능을 평가했습니다.
실험 결과, 제안된 방법들은 기존 분류 모델과 유사한 성능을 보였습니다. 특히 프롬프트 학습 및 소프트 프롬프트 튜닝 기법이 우수한 성과를 나타냈습니다. 이는 PLM의 언어 이해 능력을 활용하여 추천 적절성을 식별할 수 있음을 보여줍니다.
향후 연구에서는 더 다양한 PLM과 데이터셋을 활용하여 추천 적절성 식별 기술을 발전시킬 수 있을 것으로 기대됩니다. 또한 사용자 프로필과 대화 상황 정보를 활용하는 등 추천 적절성 식별 모델을 개선할 여지가 있습니다.
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Zhefan Wang,... о arxiv.org 03-28-2024
https://arxiv.org/pdf/2403.18628.pdfГлибші Запити