论文
何地与何物：情境化对话推荐中动态与隐式偏好的推理
Where and What: Reasoning Dynamic and Implicit Preferences in Situated Conversational Recommendation
摘要
情境化对话推荐（SCR）利用扎根于具体环境的视觉场景与自然语言对话来提供符合上下文的推荐，因贴近真实场景而成为一个有前景的研究方向。与传统推荐相比，SCR需要对动态且隐式的用户偏好有更深入的理解，因为周围场景常常影响用户的潜在兴趣，而两者都可能随对话演变。这种复杂性显著影响推荐的时机与相关性。为此，我们提出情境偏好推理（SiPeR），一个融合两个核心机制的新框架：(1) 场景转换估计，评估当前场景是否满足用户需求，并在必要时引导用户转向更合适的场景；(2) 贝叶斯逆推理，利用多模态大语言模型（MLLM）的似然来预测用户对场景内候选物品的偏好。在两个代表性基准上的大量实验证明了SiPeR在推荐准确率与回复生成质量两方面的优越性。代码与数据见 https://github.com/DongdingLin/SiPeR。
