対話型レコメンダーシステムのモデリングのための深層学習と階層強化学習

本論文では、対話型レコメンダーシステムシナリオにおける対話管理のための階層強化学習に基づくフレームワークを提案します。このフレームワークは、対話をユーザーとの対話の目標に対応する、より管理しやすいタスクに分割します。フレームワークは、ユーザーの発話を受け取り、追求すべき目標を理解するメタコントローラーと、目標特有の表現を利用してトークンのシーケンスで構成された応答を生成するコントローラーで構成されています。モジュールは、予備の監視学習段階とその後の強化学習段階に基づく2段階の戦略を用いて訓練されます。