[论文解读] IAI MovieBot: A Conversational Movie Recommender System

Javeria Habib, Shuo Zhang+1 more|arXiv (Cornell University)|Sep 8, 2020

Video Analysis and Summarization参考文献 10被引用 6

一句话总结

IAI MovieBot 是一个开源的对话式电影推荐系统，通过任务特定的对话流程、多模态 Telegram 界面以及动态偏好建模，提升了推荐准确率和用户体验。用户可通过自然语言和交互式按钮逐步细化偏好，系统在用户反馈中表现出高满意度，同时具备向其他领域扩展的潜力。

ABSTRACT

Conversational recommender systems support users in accomplishing recommendation-related goals via multi-turn conversations. To better model dynamically changing user preferences and provide the community with a reusable development framework, we introduce IAI MovieBot, a conversational recommender system for movies. It features a task-specific dialogue flow, a multi-modal chat interface, and an effective way to deal with dynamically changing user preferences. The system is made available open source and is operated as a channel on Telegram.

研究动机与目标

• 为解决缺乏支持用户偏好动态演变的开源可复用对话式推荐系统的问题。
• 设计一种任务特定的对话流程，以在多轮交互中有效获取并追踪用户偏好的变化。
• 在 Telegram 上实现多模态聊天界面，结合交互式按钮，提升偏好管理的可用性与透明度。
• 为研究人员提供一个与领域无关、可扩展的框架，用于构建和扩展对话式推荐系统。
• 通过用户反馈收集实现系统迭代优化，并在真实场景中验证其有效性。

提出的方法

• 系统采用包含 11 个核心意图的任务特定对话流程，涵盖偏好获取、修改和反馈收集。
• 自然语言理解（NLU）采用基于规则的意图识别与槽位填充，以解析用户语句。
• 对话状态追踪器在对话全程中以结构化、机器可理解的格式维护并更新用户偏好。
• 对话策略基于当前偏好生成推荐，并过滤已推荐过的项目。
• 自然语言生成（NLG）使用随机化响应模板，避免机械式回复，提升对话流畅性。
• 多模态 Telegram 界面通过与特定对话行为关联的屏幕按钮呈现用户选项，实现结构化交互与偏好透明化。

实验结果

研究问题

• RQ1 对话式推荐系统如何在多轮交互中有效建模并适应用户偏好的动态变化？
• RQ2 与纯文本对话相比，结合交互式按钮的多模态聊天界面在提升用户参与度和偏好清晰度方面有多大程度的改善？
• RQ3 一个开源的、与领域无关的对话推荐框架是否既能复用又能有效应用于真实世界部署？
• RQ4 用户如何评价该系统在寻找合适电影推荐方面的有效性、效率与满意度？
• RQ5 透明的偏好追踪与修改机制在增强用户信任与系统可用性方面起到何种作用？

主要发现

• IAI MovieBot 通过专门设计的对话意图，成功实现对用户偏好演变的建模，涵盖偏好揭示、修改与移除。
• 结合上下文感知按钮的多模态 Telegram 界面显著提升了用户交互的清晰度，减少了偏好表达中的歧义。
• 通过匿名问卷收集的用户反馈证实，用户对系统理解偏好及推荐合适电影的能力表示高度满意。
• 系统在推荐用户接受的电影方面表现出强大有效性，基于用户反馈的推荐成功率很高。
• 在 https://github.com/iai-group/moviebot 开源发布，使未来研究在对话推荐系统领域可复用与扩展。
• 该框架可扩展至电影以外的领域，其核心组件与对话流程设计为可适配其他推荐领域。