通过双节点蒙特卡罗树搜索实现对话推荐系统的有效结构化上下文建模

我们研究了会话上下文建模在会话推荐系统（CRS）的用户偏好跟踪中的作用。在这方面，我们提出了 DREAMS，一种新颖的树形结构上下文建模框架，可以明确地捕获整个多轮交互中的用户偏好演变。 DREAMS 引入了两种专门的节点类型来支持 CRS 的两个基本目标：偏好诱导和偏好利用。具体来说，启发节点利用蒙特卡罗树搜索（MCTS）来战略性地探索对话动作并推断潜在的用户偏好，而利用节点则采用基于 LLM 的细化将跟踪的偏好状态转换为结构化检索查询以进行推荐。对基准数据集的大量实验证明了 DREAMS 及其设计的有效性。