Towards Effective Structured Context Modeling for Conversational Recommender Systems via Dual-node Monte Carlo Tree Search
论文研究多轮对话推荐中的偏好跟踪,提出树结构上下文框架 DREAMS,显式记录用户偏好在交互过程中的演化。框架以两类节点分工:偏好探查节点用蒙特卡洛树搜索规划对话动作并推断潜在偏好,偏好利用节点则借助 LLM 把状态细化为结构化检索查询;作者在多个基准数据集上验证了整体框架与组件设计。
INSIGHTDREAMS 将“继续追问什么”和“拿当前信息去检索什么”拆成两种可独立优化的状态转换,避免把整段对话粗暴压入单一提示词。社区搜索可借鉴其双节点设计:用低频规划模块决定是否需要澄清,用轻量状态摘要持续生成结构化 query,并把树中历史分支作为偏好变化的可审计记录。