ترغب بنشر مسار تعليمي؟ اضغط هنا

المحادثات التي تهدف إلى تحديد التوصيات الجيدة هي تكرار الطبيعة. غالبا ما يعبر الناس عن تفضيلاتهم من حيث نقد التوصية الحالية (على سبيل المثال، لا يبدو جيدا لتاريخ "")، مما يتطلب درجة من الحس السليم للحصول على تفضيل يستنتج. في هذا العمل، نقدم طريقة لتح ويل نقد المستخدم إلى تفضيل إيجابي (E.G.، أفضل المزيد من الرومانسية ") من أجل استرداد المراجعات المتعلقة بالتوصيات التي يحتمل أن تكون أفضل (على سبيل المثال، مثالية لعشاء رومانسي"). نستفيد نموذجا كبيرا باللغة العصبية (LM) في بيئة قليلة لإجراء تحول من النقد إلى التفضيل، ونحن نختبر طريقتين لاسترداد التوصيات: واحد يطابق المضبوطات، وآخر أن يضغط غرامة على المهمة وبعد نحن نبذ هذا النهج في مجال المطعم وتقييمه باستخدام مجموعة بيانات جديدة من انتقادات المطعم. في دراسة الاجتثاث، نوضح أن استخدام التحول في النقد إلى تحسين التوصيات يحسن التوصيات، وأن هناك ثلاثة قضايا عامة على الأقل تفسر هذا الأداء المحسن.
تم إحراك المصالح المتزايدة في أنظمة الموافقة على المحادثة (CRS)، والتي تستكشف تفضيل المستخدم من خلال تفاعلات المحادثة من أجل تقديم توصية مناسبة. ومع ذلك، لا يزال هناك نقص في القدرة في CRS الحالية إلى (1) اجتياز مسارات التفكير المتعددة على المعرفة الأ ساسية لإدخال العناصر والسمات ذات الصلة، و (2) ترتيب كيانات مختارة بشكل مناسب بموجب نود النظام الحالي للسيطرة على جيل الاستجابة. لمعالجة هذه المشكلات، نقترح Walker CR-Walker في هذه الورقة، وهو نموذج يقوم بتنفيذ التفكير منظم في الأشجار في رسم بياني للمعرفة، ويولد أعمال حوار إعلامية لتوجيه توليد اللغة. ينظر المخطط الفريد من المنطق المنظم في الأشجار إلى الكيان اجتاز كل قفزة كجزء من أعمال الحوار لتسهيل توليد اللغة، والذي يربط كيف يتم اختيار الكيانات والأعرب عنها. تظهر التقييمات التلقائية والبشرية أن CR-Walker يمكن أن يصل إلى توصية أكثر دقة، وتوليد استجابات أكثر إعلامية وجذابة.
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا