摘要：使用自然语言与推荐系统对话的技术障碍正在消失。目前已有一些商业系统可以使用AI代理来辅助交互。例如，有可能说“我可以看什么”到一个苹果电视遥控器来获得建议。在这项研究中，我们调查了用户如何与一种新的自然语言推荐系统进行交互，以加深我们对这些技术预期的输入范围的理解。我们将一个自然语言界面部署到一个推荐系统中，我们观察用户的第一个交互和后续查询，我们测量了基于语言和基于类型的接口之间的差异。我们使用定性的方法来对用户的第一次查询(客观的、主观的、导航的)和后续查询(细化、重新制定、重新开始)进行分类。我们使用定量的方法来确定语音和文本之间的差异，发现语音输入通常更长、更具有对话性。 阅读全文

摘要：Attention-based Group Recommendation 推荐系统广泛应用于诸如谷歌、Twitter、LinkedIn和Netflix等大型信息公司。一个推荐系统通过使用用户偏好筛选重要信息片段来处理信息过载的问题。随着深度学习越来越成功，最近的研究证明了在各种推荐任务中使用深度学习的好处。然而，大多数提出的技术都只针对个体，这在群体推荐中是无法有效应用的。 在本文中，我们提出了一种深度学习架构来解决群体推荐问题。另一方面，人们注意到作为个体的用户和群组成员的行为是不同的。为了解决这些问题，我们建议使用注意机制来捕获群组中每个用户的影响。具体地说,我们的模型自动学习群组中的每个用户的影响权重并根据其成员的权重偏好为群组推荐项目。我们对四个数据集进行了广泛的实验。我们的模型显著地优于基线方法，并且在将深度学习应用于群体推荐问题上显示了很有希望的结果。 阅读全文