[发明专利]基于用户偏好的对话式推荐方法及系统

说明书

本发明公开了基于用户偏好的对话式推荐方法及系统，包括：获取待对话推荐的用户编号、用户对话上下文和对话主题线；将获取的数据输入到训练以及测试后的对话式推荐模型中，输出对话式推荐结果；其中，对话式推荐模型的工作原理是：首先，对获取的数据进行嵌入表示；然后，对嵌入表示结果，进行用户的长期偏好跟踪和用户的短期偏好跟踪；然后，基于用户的长期和短期偏好跟踪结果，输出推荐结果；最后，将推荐结果转换成自然语言回复给待对话推荐的用户。

技术领域

本发明涉及对话式推荐技术领域，特别是涉及基于用户偏好的对话式推荐方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

推荐系统已经发展成为信息寻求者的重要工具。传统的推荐系统通常通过评估用户先前的离线行为来预测用户对某个商品的需求喜好。相比之下，对话式推荐系统可以通过及时的多回合在线会话互动更快地引出用户当前的偏好，更好地理解消费行为背后的原因。对话式推荐系统(CRS)源于交互式推荐的发展，旨在通过系统和用户之间的对话来解决推荐任务。早期的对话式推荐任务研究将该任务描述为任务导向型多回合对话系统的具体应用。基于不同的视角，对话式推荐系统(CRS)被大致分为两类，如图1所示：基于属性的对话式推荐系统和主题引导的对话式推荐系统。

在基于属性的CRS中，系统使用模板句直接询问用户是否对某一属性感兴趣，用户则根据自己的偏好回答是或否，回答“是”即认为用户喜欢系统所提出的属性，反之亦然。通过这种方式，在多轮交互之后，系统可以获取用户显式的偏好属性集，并以此为根据做出推荐。

基于话题引导的CRS则允许对话双方以自然语言的形式进行交互，具有更高的自由度。对话通常以闲聊开始，逐步由系统将话题引导至推荐，与基于属性的CRS不同，这种方式无法通过用户是或否的回复来显式的获取用户兴趣，而是在与用户交互的过程中，通过用户自然语言式的回复来挖掘背后所体现出的用户兴趣，称之为用户隐式的兴趣，在推荐时，系统根据获取的用户兴趣来做出推荐。

基于属性的对话式推荐系统关注策略选择，包括本轮推荐还是问询，问询哪些属性，推荐哪些物品。早期的一些工作通过直接问用户是否喜欢某一物品来获取用户偏好，另一些工作则通过问用户是否喜欢某一属性来获取偏好。在决定何时推荐时，有些工作在前面固定的几轮询问，在最后以论做出推荐，而另一些工作通过训练系统，使其能够自动选择一个合适的轮次进行推荐，强化学习普遍应用于这一类工作中。Christakopoulou等关注对话式推荐中的冷启动问题，并在继续挖掘用户偏好和使用用户偏好进行推荐之间做权衡。最近的一些工作则更多关注于如何让系统自主选择推荐时机。Deng等通过引入外部知识图谱来进一步提升推荐表现。基于属性的对话式推荐系统倾向于使用简洁明了的回复，忽略用户和系统之间复杂的交互。