学术交流

热烈祝贺山东大学信息检索实验室研究成果获Recsys 2024最佳长文奖

2024年10月29日

第十八届国际推荐系统大会（the 18th ACM Conference on Recommender Systems）于2024年10月14-17日在意大利召开。山东大学信息检索实验室研究成果“Towards Empathetic Conversational Recommender Systems” 获得本次会议的最佳长文奖（Best Full Paper Award）。论文第一作者是计算机学院2021级硕士研究生张晓宇，通讯作者是莱顿大学任昭春教授，合作者包括2021级博士研究生吕由钢、辛鑫助理教授、任鹏杰研究员和阿姆斯特丹大学Maarten de Rijke 教授。

录用的文章如下：

标题：Towards Empathetic Conversational Recommender Systems
作者：Xiaoyu Zhang, Ruobing Xie, Yougang Lyu, Xin Xin, Pengjie Ren, Mingfei Liang, Bo Zhang, Zhanhui Kang, Maarten de Rijke and Zhaochun Ren
简介：对话式推荐系统能够通过多轮交互引出用户的偏好，它们通常会结合外部知识或预训练语言模型来捕捉对话语意。目前大多数对话式推荐方法假定现有基准数据集中的标准推荐商品和回复是最优的，然而这一假设导致它们忽略了用户可能会对标准推荐商品表达负面情绪的情况，并且标准回复往往难以使用户产生情感共鸣。因此，现有的对话式推荐系统倾向于复制基准数据集中推荐者的逻辑，而非真正满足用户的需求。为了弥补这种不一致，我们在对话式推荐系统中引入了共情，即系统捕捉和表达情感的能力。我们在本文提出了一个共情对话式推荐框架（ECR）。ECR框架包含了两个主要模块：情感感知商品推荐模块和情感对齐回复生成模块。具体来说，我们捕捉用户情感来优化用户偏好的建模，以提供更准确的商品推荐。另外，为了生成更类似人类的富含情感的回复，我们应用检索增强提示微调了预训练语言模型，使其与人类情感保持一致并减轻了幻觉。为了应对监督标签不足的挑战，我们使用大型语言模型标注情感标签并且从外部资源中收集了情感评论来扩展我们的共情数据。最后我们提出了新颖的评估指标来捕捉现实世界的对话式推荐场景中的用户满意度。我们在 ReDial 数据集上的实验验证了我们提出的ECR框架在提高推荐准确性和用户满意度方面的有效性。