Apr, 2020

搜索引擎对话：基于 SERP 的对话回应生成

PDF
TL;DR本文讨论了 Conversational Agents（CAs）和 Conversational Search（CS）的研究，提出了一个使用自然语言与搜索引擎对话的系统，并使用 Crowdsourcing 平台的工作人员创建了 Search as a Conversation（SaaC）数据集以及基于该数据集开发的最新的 Conversations with Search Engines（CaSE）管道，该管道引入了一个支持标记识别模块和先验知识指针生成器以生成更准确的响应，并通过实验表明 CaSE 能够胜过强基线模型。
conversational searchdatasetpipelinecrowdsourcingnatural language
发现论文，激发创造
  • 搜索引擎魔法师：通过与搜索引擎的对话获取信息

    本论文针对谈话式信息查找的限制制约了以往的理论研究和实验研究，提出了一个针对谈话式信息查找的流程管道和 “WISE” 数据集，并设计了神经网络架构和预训练 / 微调学习方案，在谈话式信息查找的所有子任务上进行训练，并发布数据集、代码和评估脚本，以便测量这个重要的研究方向的进一步改进。

    May, 2021

  • 构建对话搜索系统：应用、架构和功能组件综述

    通过对对话式搜索系统进行系统性文献回顾，我们识别出了真实世界的应用场景、系统架构和功能组件，给出了一个分层架构框架，并解释了对话式搜索系统的核心功能。此外，我们讨论了大型语言模型的能力、局限性和未来研究方向。

    Jul, 2024

  • SCAI-QReCC 对话问答共享任务

    本文介绍了 Search-Oriented Conversational AI（SCAI）会议的举办与会议中的共享任务，即探讨对话问答中回答正确性的自动评估和人工众包实验，并且参与团队的系统为评估数据集扩充了替代正确答案。

    Jan, 2022

  • 端到端口语对话问答：任务，数据集和模型

    提出了一种新的口语会话问答任务（SCQA），旨在使系统能够模拟复杂的对话流程，以便处理音频记录中的对话式问题，并探索从不同模态提供更多线索，通过 DDNet 方法有效地摄取跨模态信息以实现语音和语言模态的细粒度表示，并通过双向关注机制鼓励更好的音频和文本之间的对齐，以简化知识转移过程。通过 Spoken-CoQA 数据集，证明了跨模态信息融合的必要性，同时证明了提出的方法在口语会话问答任务中具有卓越的性能表现。

    Apr, 2022

  • 利用搜索引擎增强的对话响应生成及廉价监督查询生产

    通过使用查询产生器从动态信息检索引擎检索知识，为聊天机器人生成响应的对话模型中，基于廉价噪声监督的训练算法用于产生查询，调整查询生成器而无需人为标注黄金查询，取得了不错的检索效果，大大提高了聊天机器人响应的质量。

    Feb, 2023

  • 将搜索与结构化数据结合，为开放域对话创建更具吸引力的用户体验

    本篇论文描述了借助不同的搜索和结构化数据源，如何帮助 SlugBot 产生对话回合并进行长达 8 分钟 17 秒的对话，从而以应对持续的多轮对话等挑战性问题。

    Sep, 2017

  • 会话式问答：综述

    本文对 2016 至 2021 年所发表关于问答系统的各项研究进行了回顾与总结，发现多轮问答系统已取代了单轮问答系统的先前主导地位，这表明了其在提高人工智能对话系统方面的重要性，同时也描绘了开展更多进一步和有利的研究的未来研究方向。

    Jun, 2021

  • TREC CAsT 2019：对话辅助任务概述

    TREC 2019 的新领域 Conversational Assistance Track 旨在推进会话式信息检索研究并创建一个可重复使用的大规模测试集；使用 CAR 和 MARCO 数据集中的 38426252 个段落作为文献语料库，进行了 80 个信息检索对话（30 个训练集和 50 个测试集）。

    Mar, 2020

  • 开放式检索对话式问答

    本文提出一种名为 ORConvQA 的交互式检索问答方法，通过基于 Transformers 的检索器、排序器和阅读器，实现在大规模语料库中检索答案并提取答案以构建功能性的交互式检索系统，并创建了 OR-QuAC 数据集以促进 ORConvQA 的研究。实验证明可学习的检索器对 ORConvQA 至关重要，在所有系统组件中启用历史建模可以显著提高系统性能，排序器组件提供了正则化效果并有助于模型性能的提升。

    May, 2020

  • 分析会话搜索中的混合倡议和搜索策略

    本文分析了不同的交互方式和策略在交谈式搜索中的表现（采用两种不同的混合倡议方法：查询建议和查询澄清），并发现查询澄清在首先提出时更有效，而查询建议则在展示结果后提出时更好。此外，作者强调了分析 CSA 所涉及的复杂性和挑战，为批处理 / 离线设置中评估会话策略和会话搜索代理奠定了基础。

    Sep, 2021