对话推荐系统比传统的推荐系统的一个关键特征是它们使用的自然语言引导学生用户偏好的能力。目前，主要的方法来诱导偏好是直接询问有关项目或项目属性。当用户没有目标域的足够的知识来回答这样的问题，这些战略没有的情况下表现良好。相反，在购物环境，说起规划用途项目不存在任何困难，甚至对那些新的领域。在本文中，我们问基于项目的使用隐含的问题提出了一种新的方法来诱导偏好。我们的方法包括两个主要步骤。首先，我们从包含有关项目使用情况的信息大量的评论文集识别句子。然后，我们透过这些句子，用神经文本到文本模型隐含的偏好启发的问题。这项工作的主要贡献还包括使用众包用于收集高质量标记的训练数据用于神经网络模型的多级数据协议注释。我们表明，我们的方法是有效的选择评述语句，并将它们转化到启发的问题，即使在有限的训练数据。此外，我们提供的模式，其中模型不优化进行分析。