近日，山东大学计算机科学与技术学院通用智能实验室师生撰写的论文被Recsys 2024录用。Recsys2024（18th ACM Conference on Recommender Systems）计划于今年10月14日至18日在意大利召开。Recsys是推荐领域（Recommender Systems，RS）最权威的国际会议之一，也是CCF B类会议。            
录用的文章如下：

标题：Towards Empathetic Conversational Recommender Systems                作者：Xiaoyu Zhang, Ruobing Xie, Yougang Lyu, Xin Xin, Pengjie Ren, Mingfei Liang, Bo Zhang, Zhanhui Kang, Maarten de Rijke and Zhaochun Ren                简介：对话式推荐系统能够通过多轮交互引出用户的偏好，它们通常会结合外部知识或预训练语言模型来捕捉对话语意。目前大多数对话式推荐方法假定现有基准数据集中的标准推荐商品和回复是最优的，然而这一假设导致它们忽略了用户可能会对标准推荐商品表达负面情绪的情况，并且标准回复往往难以使用户产生情感共鸣。因此，现有的对话式推荐系统倾向于复制基准数据集中推荐者的逻辑，而非真正满足用户的需求。为了弥补这种不一致，我们在对话式推荐系统中引入了共情，即系统捕捉和表达情感的能力。我们在本文提出了一个共情对话式推荐框架（ECR）。ECR框架包含了两个主要模块：情感感知商品推荐模块和情感对齐回复生成模块。具体来说，我们捕捉用户情感来优化用户偏好的建模，以提供更准确的商品推荐。另外，为了生成更类似人类的富含情感的回复，我们应用检索增强提示微调了预训练语言模型，使其与人类情感保持一致并减轻了幻觉。为了应对监督标签不足的挑战，我们使用大型语言模型标注情感标签并且从外部资源中收集了情感评论来扩展我们的共情数据。最后我们提出了新颖的评估指标来捕捉现实世界的对话式推荐场景中的用户满意度。我们在 ReDial 数据集上的实验验证了我们提出的ECR框架在提高推荐准确性和用户满意度方面的有效性。

               

图：ECR框架示意图