[논문 리뷰] Deep Conversational Recommender in Travel

Lizi Liao, Ryuichi Takanobu외 4명|arXiv (Cornell University)|2019. 06. 25.

Topic Modeling참고 문헌 43인용 수 33

한 줄 요약

이 논문은 대화형 여행 추천 시스템 DCR을 소개하는데, 이는 신경 주제 구성요소와 GCN 기반 장소 추천기를 결합하고 다-서브태스크 여행 대화를 처리하기 위한 포인터 기반 응답 통합을 활용한다.

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.

연구 동기 및 목표

• 호텔, 레스토랑, 택시 등 다중 태스크 대화를 처리하는 지능형 여행 에이전트를 구축하도록 동기를 부여한다.
• 제약과 맥락을 존중하기 위해 전역 주제 제어와 GCN 기반 장소 추천기를 결합한 하이브드 모델을 제안한다.
• 추천 결과를 응답 생성에 통합하는 통합 메커니즘을 개발한다.
• 다중 턴 여행 대화 데이터셋에서 모델을 평가하고 베이스라인보다 향상되었음을 보인다.

제안 방법

• 글로벌 대화 의미를 포착하고 주제 내 생성이 가능하도록 신경 잠재 주제 구성요소를 가진 seq2seq 백본을 확장한다.
• 두 계층 그래프 컨볼루션 네트워크를 사용하여 대화 맥 context와 함께 장소 표현 및 스폰서 매칭 점수를 학습한다.
• 토픽 주도 생성과 GCN 기반 추천을 포인터 네트워크에서 영감을 받은 메커니즘으로 통합하고, 센티넬 토큰을 사용하여 단어 생성과 장소 삽입 사이를 전환한다.
• 주제 구성요소를 변분 추론 및 주제 조건 디코딩 바이어스와 함께 학습하고 KL 발산 항을 추가한다.
• 대화 맥락에 맞춘 장소 매칭을 최적화하도록 GCN 기반 추천기를 학습시키고, 대화-장소 쌍에 대한 교차 엔트로피 목적함수를 사용한다.
• 주제 손실과 GCN 손실의 가중 합으로 엔드 투 엔드로 결합 모델을 미세 조정한다.

실험 결과

연구 질문

• RQ1 RQ1: DCR이 다중 턴 대화에서 적절한 여행 도메인 응답과 추천을 생성할 수 있는가?
• RQ2 RQ2: 전역 주제 제어 구성요소가 응답의 일관성과 주제 일관성을 향상시키는가?
• RQ3 RQ3: GCN 기반 장소 추천기가 장소 간 관계와 제약을 효과적으로 포착하여 추천 성능를 향상시키는가?

주요 결과

• DCR이 여행 도메인에서 말뭉치 기반 지표 BLEU 및 엔티티 정확도에서 베이스라인을 능가한다.
• 주제 구성요소가 주제 내에서 일관된 응답을 생성하는 데 도움을 준다.
• GCN 기반 추천기가 장소 속성 및 관계를 포착하여 추천 품질을 향상시킨다.
• 포인터 기반 통합 메커니즘이 주제 주도 생성과 추천 결과를 효과적으로 결합한다.