该论文提出了一种新颖的图像搜索反馈模式，其中用户可以描述应调整示例图像的哪些属性以更贴近其所寻找的图像的心理模型，并利用比较语言以多维属性空间中的约束迭代更新其相关性函数和重新排列图像数据库，通过使用相对属性的顺序特性，以提高搜索速度和准确性，优化了人、产品和场景的图像搜索。

May, 2015

本研究旨在通过用户点击喜欢和不喜欢的搜索结果提供反馈，以指导搜索过程，构建了新的基于时尚领域大规模数据集的点击反馈检索基准，证明了将点击反馈纳入训练可以显著提高检索质量。

Apr, 2023

本文介绍了一种基于嵌入式检索的电子商务搜索技术，提出了一种多模态、多任务的搜索嵌入式检索系统，称为 Que2Engage，旨在缩小检索与排名之间的差距以及在平衡不同商业目标的同时提供更好的搜索体验。该方案在 Facebook Marketplace Search 上实施后，两周内的 A/B 测试结果表明，搜索器的参与度有了显著性的提升。

Feb, 2023

介绍了一种新的交互式图像检索方法，该方法允许用户通过自然语言提供反馈，形成了一个基于强化学习的对话系统，用于提高目标图像的排名，该方法在鞋类检索应用中表现出更好的准确性和更有效的检索结果。

May, 2018

本文介绍了设计搜索代理的成功步骤，通过机器学习元策略来迭代查询精细化。文章提出了一种新颖的方法，使用机器阅读辅助挑选查询结果的精炼术语，使代理能够通过简单而有效的搜索操作对查询和搜索结果进行细粒度和透明的控制。通过自主学习，利用基于 Transformer 的语言模型来生成综合搜索会话，并介绍了一种强化学习代理，其具有动态限制的动作，可以从零开始学习交互式搜索策略。我们的搜索代理只使用传统的基于词项的 BM25 排名函数和可解释的离散筛选和筛选操作，即可达到与最新的神经方法相当的检索和答案质量性能。

Sep, 2021

本文介绍了信息检索的演进以及大语言模型和搜索引擎的利弊，提出了 InteR 框架，通过交互改进知识的检索，并通过实验验证其优越性。

May, 2023

本研究提出了一种基于强化学习的方法来解决实时搜索中高负载问题，并通过评估框架验证了其在搜索效果和性能上的优越性。

Mar, 2022

本研究提出了一种基于非相关项驱动的产品搜索对话范式，该范式旨在收集和利用细粒度反馈，以在下一次迭代中显示更好的结果。我们提出了一种方面 - 价值可能性模型，用于结合正反馈和负反馈。实验结果表明，我们的模型比基于项级负反馈和不使用反馈的最先进的产品搜索基线显着更好。

Sep, 2019

本文探讨了交互式工具＂例子批判＂来帮助用户在大量选项中快速找到最合适的物品，并介绍了通过基于用户当前的喜好模型和潜在的隐藏喜好来计算建议来改善该技术的新技术。用合成和真实用户进行性能评估，结果表明，这些建议对用户非常吸引人，可以刺激他们表达更多的偏好以提高识别出最喜欢的物品的机会，提高了 78%。

Sep, 2011

本论文提出了一种名为 Qrec 的基于问题的推荐方法，采用新颖的矩阵分解和二进制搜索策略，使得用户可以通过回答问题寻找物品推荐，实现了主动式交互推荐，比传统方法更有效。

May, 2020