会话推荐系统

会话推荐系统(CRS)支持人们通过对话与信息交互实现recommendation-related目标。这些系统模型能够捕捉丰富的上下文信息和用户的偏好通过自然语言交互。因此,系统模型,并得出有价值的见解,对面向用户的建议更好地做出决策。CRS不像传统的推荐系统,可以更好地理解用户上下文信息除了传统一次性行为(例如,点击)。这些系统有可能促进广泛的应用场景,例如,个人助理或组中的个性化推荐推荐与稀疏数据。然而,它是重要的采取和推荐系统,尽管研究对话系统能够成功模式的谈话。

本研究课题的重点是新方法,技术和应用程序会话推荐系统(CRS)。我们呼吁多样化的研究在理论方面,算法,ML / DL体系结构和模型,为建立CRS应用程序和分析。我们也鼓励研究从多个角度,例如,个性化、可靠性、多域、多语种、多模式,解释,等。这个研究课题的范围包括理论前沿,创新算法,系统体系结构,实证研究,实验分析,评价方法,CRS的新基准。雷竞技rebat我们寻求高质量的贡献包括但不限于以下类型:原始研究,方法,技术,解决方案,数据,评估和基准测试报告。

感兴趣的主题包括但不限于:
——对话推荐系统的算法
——应用程序会话的推荐系统
——对话和出于一推荐系统
——对话问答
——会话搜索模型
——在CRS合作代理
CRS -个性化
——信任控制CRS的和不确定的估计
——在CRS多域的相互作用
——在CRS多语言交互
——在CRS多模式交互
——在CRS的解释
引出在CRS -澄清和偏好
——在CRS谈话了解和查询历史造型
CRS -评价
——用户的意图和CRS的对话状态跟踪
-用户模型和用户行为研究CRS的上下文中
CRS -伦理
CRS -去

关键字:会话推荐系统,互动推荐系统,会话搜索,会话信息系统,交互式信息系统,对话问答、对话系统

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。