
摘要
在本文中,我们提出了一种新颖的端到端框架,称为基于知识的推荐对话系统(KBRD)。该框架集成了推荐系统和对话生成系统。对话系统通过引入用户偏好的知识支持信息来增强推荐系统的性能,而推荐系统则通过提供推荐感知的词汇偏差来改进对话生成系统的性能。实验结果表明,我们提出的模型在对话生成和推荐两个方面的评估中均显著优于基线模型。一系列分析显示,这两个系统可以互相带来益处,引入的知识对两者的性能都有所提升。
代码仓库
THUDM/KBRD
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| recommendation-systems-on-redial | KBRD | Recall@1: 0.03 Recall@10: 0.163 Recall@50: 0.338 |
| text-generation-on-redial | KBRD | Distinct-3: 0.3 Distinct-4: 0.45 Perplexity: 17.9 |