[論文レビュー] Deep Conversational Recommender in Travel

Lizi Liao, Ryuichi Takanobu+4 more|arXiv (Cornell University)|Jun 25, 2019

Topic Modeling参考文献 43被引用数 33

ひとこと要約

本論文は、旅行用のディープ会話型推奨システム（DCR）を導入し、ニューラル話題成分を組み合わせたGCNベースの会場推奨と、マルチサブタスク旅行対話への対応を可能にするポインター風の応答統合を用いる。

ABSTRACT

When traveling to a foreign country, we are often in dire need of an intelligent conversational agent to provide instant and informative responses to our various queries. However, to build such a travel agent is non-trivial. First of all, travel naturally involves several sub-tasks such as hotel reservation, restaurant recommendation and taxi booking etc, which invokes the need for global topic control. Secondly, the agent should consider various constraints like price or distance given by the user to recommend an appropriate venue. In this paper, we present a Deep Conversational Recommender (DCR) and apply to travel. It augments the sequence-to-sequence (seq2seq) models with a neural latent topic component to better guide response generation and make the training easier. To consider the various constraints for venue recommendation, we leverage a graph convolutional network (GCN) based approach to capture the relationships between different venues and the match between venue and dialog context. For response generation, we combine the topic-based component with the idea of pointer networks, which allows us to effectively incorporate recommendation results. We perform extensive evaluation on a multi-turn task-oriented dialog dataset in travel domain and the results show that our method achieves superior performance as compared to a wide range of baselines.

研究の動機と目的

• 多サブタスクの対話（ホテル、レストラン、タクシー等）に対応する知的な旅行エージェントの構築を動機づける。
• 制約と文脈を尊重するため、グローバルな話題制御とGCNベースの会場推奨を組み合わせたハイブリッドモデルを提案する。
• 応答生成に推奨結果を組み込む統合メカニズムを開発する。
• マルチターンの旅行対話データセットでモデルを評価し、ベースラインより改善を示す。

提案手法

• グローバルな対話意味を捉え、トピックに沿った生成を可能にするニューラル潜在トピック成分を備えた seq2seq バックボーンを拡張する。
• 対話文脈を用いて会場表現とスポンサー適合スコアを学習する2層のグラフ畳み込みネットワークを使用する。
• トピック主導の生成とGCNベースの推奨を、センチネルトークンを用いて単語生成と会場挿入を切替えるポインターネットワーク風の機構で統合する。
• トピック成分を変分推論とトピック条件付きデコードバイアス、 plus a KLダイバージェンス項で訓練する。
• GCNベースの推奨システムを、対話文脈に対する会場マッチングを最適化するクロスエントロピー目的で訓練する。
• トピックとGCNの損失の重み付き組み合わせでジョイントモデルをエンドツーエンド微調整する。

実験結果

リサーチクエスチョン

• RQ1 RQ1: DCRはマルチターン対話で適切な旅行ドメインの応答と推奨を生成できるか？
• RQ2 RQ2: グローバルトピック制御成分は応答の一貫性と話題の一貫性を改善するか？
• RQ3 RQ3: GCNベースの会場推奨は会場の属性と関係を効果的に捉え、推奨の質を改善するか？

主な発見

• DCRは旅行ドメインのコーパスベースの指標BLEUとエンティティ正確さでベースラインを上回る。
• トピック成分はトピック内で一貫した応答を生成するのに寄与する。
• GCNベースの推奨は会場の属性と関係を捉え、推奨品質を改善する。
• 指向型統合機構はトピック主導生成と推奨結果を効果的に組み合わせる。