融入人类对话的推荐系统：创新与应用

### 融入人类对话的推荐系统：创新与应用 #### 1. 引言 随着短信和消息传递的普及，以及深度学习技术的最新进展，基于对话的交互已成为一种新兴的用户界面。在过去的十年里，推荐和广告领域的研究人员与从业者通过使推荐系统以对话模式运行，推动了个性化推荐的发展。然而，现代对话平台虽然具备基本的对话能力，如自然语言理解、实体提取和简单的对话管理，但在开发支持复杂用例（如基于对话的推荐）的实际应用方面仍面临挑战。 传统的推荐方法大多依赖基于机器学习的协同过滤，这种方法通过搜索大量人群，找出与特定用户偏好和兴趣相似的一小部分用户，从而过滤出用户可能喜欢的商品。但它没有充分考虑结构化和非结构化的大量知识，例如在对话中用户先前描述推荐引擎感兴趣领域的话语。 像亚马逊或易贝等网络门户上的推荐器并不总是相关的，其推荐也不一定及时。同时，学术界开发的对话式推荐器可能过于侵入性，依赖客户主动明确分享其偏好和意图，并且应用领域过于受限。因此，我们需要一种非侵入性、自然的推荐模式，无需用户主动分享偏好。 我们引入了一种通过加入对话进行推荐（RJC）的框架，这是一种特殊的对话式广告，重点在于协助解决当前客户的问题或满足客户需要传达的需求。在RJC场景中，客户应充分了解推荐的产品或服务如何以及为何能解决他们的问题。 当用户试图与企业解决问题时，通常并不想从该企业订购其他产品或服务，或者为已购买的产品额外付费。然而，推荐额外的产品或服务扩展通常能帮助用户立即或长期节省成本或获得收益。 在某些客户支持场景中，推荐特定产品可能会加速和简化问题的解决。例如，在客户支持代理解释如何避免资金不足费用（NSF）的对话中，可以推荐一个关联储蓄账户产品，这对用户和银行都有益。用户可以避免NSF，银行也能拥有更多资金。 在客户支持对话中，推荐和广告需要与客户需求高度相关，并应以用户明显能理解的方式协助解决问题。传统的对话式推荐系统先从用户那里获取需求和偏好信息，然后推荐产品。而在RJC设置中，不需要这些额外的步骤。 RJC有两种场景： - 用户 - 人工客户支持代理对话：自动化广告代理跟踪此对话，并适时插入推荐话语。 - 用户 - 聊天机器人客户支持：自动化广告代理和聊天机器人是同一实体，同时解决客户问题并提供产品/服务推荐。 这两种场景可发生在解决问题或获取一般信息的情境中。在客户支持对话中进行广告推荐的一个主要要求是，推荐的产品与用户遇到问题的产品之间的关系必须明显，以及使用新推荐产品解决问题对用户的好处也必须明确。 以下是一些RJC的示例： |场景|对话内容| | ---- | ---- | |电影租赁对话|Peter表示对租DVD感到厌倦，看过大多数影片，Mike询问电影院情况，Peter觉得都是儿童电影、科幻片和俗气的浪漫喜剧。RJC代理推荐了新时代另类电影俱乐部，称该俱乐部每隔一周聚会，放映普通电影院看不到的电影。| |银行对话|客户询问账户余额以及将钱转到英国劳埃德银行账户所需时间，客服告知相关流程需2 - 3天。RJC代理推荐在摩根大通开户并使用Zelle QuickPay快速向国外朋友和合作伙伴转账。| |表演对话|Katie称未获得试镜机会，RJC代理建议她考虑参加表演课程，并提及了贝弗利山庄剧场 - 洛杉矶表演课程。| |拖车请求对话|客户请求拖车，告知位置和车辆信息，询问费用。RJC代理推荐汽车保险的拖车覆盖服务，称加入root.com可申请路边援助，能覆盖拖车费用。| #### 2. 填空式对话推荐系统 传统的推荐系统结合了信息检索和过滤、用户画像、自适应界面和机器学习等理念，旨在为用户提供更个性化和响应式的主动搜索系统。对话式推荐器通过一系列迭代引导用户，推荐特定项目，并根据用户反馈在后续迭代中优化推荐。 推荐系统的目标是帮助用户找到感兴趣的项目，因此需要排除一些选择，同时保留其他选择。为实现这一目标，推荐器必须确定当前用户的兴趣，然后展示满足这些兴趣的项目。信息获取的一种广泛使用的方法是让用户填写简单的表格，然后推荐系统按预测的相关性对结果进行排序展示。 相比之下，对话式推荐系统支持用户与顾问之间的对话作为交互模式。例如，当用户决定午餐餐厅时，对话可能如下： ``` User: Where do y ```