张 骏,杨 燕,霍 沛,孙宇翔,李程烽,李 勇

(华东师范大学 计算机科学与技术学院，上海 200062)

0 引言

近年来，面向推荐的对话系统引起人们广泛的关注[1-4]。该系统是指集成对话和推荐的人机交互系统。过去的研究主要集中在单一类型的对话系统: 任务型或非任务型对话系统。任务型对话系统通过预先定义的槽匹配用户的偏好，而非任务型对话系统通过从数据集学习对话策略，然后在没有槽的情况下进行推荐。然而，在真实的应用场景下，对话往往同时涉及多种类型的对话，如闲聊、问答、推荐等[5-7]。如图1所示，面向推荐的多类型对话通过一条隐含的对话目标路径自然地获取用户偏好并向用户推荐合适的项目。上述示例中，系统先与用户进行寒暄，然后询问用户喜欢的电影与演员，并与用户围绕“林志颖”进行闲聊，最后向用户推荐其可能感兴趣的“林志颖”的电影。此外，在该过程中需要涉及很多外部知识，如“林志颖-简介-不老男神”、“林志颖-主演-《一屋哨牙鬼》”等。因此，多类型对话推荐比单一类型对话推荐具有更高的用户吸引力和用户满意度。如何构建面向推荐的多类型对话系统就显得尤为重要。

图1 面向推荐的多类型对话示例 注: 左边区域为对话过程，右边区域为提供的外部知识和用户画像。下划线标注的词是涉及外部知识的词。目标序列是根据真实对话进行标注的，每个目标对应一段多轮对话以及一个对话类型。

Liu等[8]首次提出了具有多目标驱动的对话策略机制的对话系统框架，并通过基于该框架的检索模型与生成模型实现面向推荐的多类型对话。……