主题： Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion

摘要： 会话推荐系统（CRS）旨在通过交互式对话向用户推荐高质量的项目。尽管已为CRS做出了一些努力，但仍有两个主要问题有待解决。首先，对话数据本身缺少足够的上下文信息，无法准确地了解用户的偏好。第二，自然语言表达与项目级用户偏好之间存在语义鸿沟。为了解决这些问题，我们结合了面向单词和面向实体的知识图（KG）来增强CRS中的数据表示，并采用互信息最大化来对齐单词级和实体级的语义空间。基于对齐的语义表示，我们进一步开发了用于进行准确推荐的KGenhanced推荐器组件，以及可以在响应文本中生成信息性关键字或实体的KG增强对话框组件。大量的实验证明了我们的方法在推荐和对话任务上都能产生更好的性能。