学习提问：基于表征学习的对话式商品搜索

基于摘要分析。本文研究对话式商品搜索：通过用户与系统的多轮交互收集显式反馈，澄清商品偏好。作者提出 ConvPS，在统一生成式框架下联合学习用户、查询、商品和对话的语义表征，并结合主动提问策略辅助商品检索。 核心机制是先联合训练上述对象的表征，再将这些表征整合到潜在语义空间中检索目标商品；对话过程中，采用贪心及探索—利用策略选择一系列问题。该设计针对既有方法将对话与用户、查询、商品分离建模，或存在词汇不匹配的问题。摘要未给出生成过程、损失函数、反馈编码方式以及提问策略的具体实现，相关细节尚未验证。 作者报告，ConvPS 在实验中显著优于所比较的先进基线；但摘要未提供数据集、划分方式、评价指标、数值结果、基线名称或显著性检验细节，因此无法判断优势幅度及适用范围。实验协议、消融及统计信息尚未验证，代码与复现条件亦未确认。 本文的主要研究对象是电商中的自然语言交互与商品检索，不是 EEG 解码或 BCI。主动提问机制是否适用于 BCI 尚无所给材料支持，不能将商品搜索结果视为神经信号任务的有效性证据；相关 EEG 工作尚未检索确认。