在电影识别中探究 “舌尖尖知” 已知项检索

Jan, 2021

在电影识别中探究 “舌尖尖知” 已知项检索

Tip of the Tongue Known-Item Retrieval: A Case Study in Movie Identification

Jaime Arguello, Adam Ferguson, Emery Fine, Bhaskar Mitra, Hamed Zamani...

TL;DR本研究通过探讨社区问答网站上对电影进行 tip of the tongue 检索的问题，分析了这些搜索者如何表达信息需求以及表述信息的方式，最后提出了为了有效地响应 tip of the tongue 检索，需要使用特殊的查询理解方法或文档表示方法的想法和初步检索实验结果。

Abstract

While current information retrieval systems are effective for known-item retrieval where the searcher provides a precise name or identifier for the item being sought, systems tend to be much less effective for cases where the searcher is unable to express a precise name or identifier. We refer to this as tip of the tongue (TOT) known-item retrieval, named af

tip of the tongue retrieval information needs movie search query understanding retrieval experiments

发现论文，激发创造

为 “尖端” 检索分解复杂查询

本文介绍了一个用于处理 Tip of the Tongue (即常说的 “知道但是想不起来” 现象) 查询的框架，该框架将查询分解为独立的线索，将它们作为子查询发送并在后端进行汇总。作者通过在检索器中引入查询分解机制，将检索器与特定查询结合，以提高基于真实世界的查询 - 书籍数据集的召回率。

May, 2023

基于半监督学习的面向知识检索任务的对话系统

提出一种基于检索的方法，以加强 TOD 系统中的知识选择，并结合半监督学习进行潜变量模型，该模型可以与知识检索器一起利用有标签和无标签的对话数据。实验证明，该方法在有标签和半监督设置下均优于传统的数据库查询方法。

May, 2023

知识密集型多步问题的交错检索与思维链推理

提出了 IRCoT 方法，在多步 QA 过程中使用检索和 CoT 交替进行，同时使用检索的结果来改善 CoT。在 HotpotQA、2WikiMultihopQA、MuSiQue 和 IIRC 四个数据集上，使用 IRCoT 方法取得了显著的检索和 QA 性能改进，即便是在小型模型 T5-Flan-large（0.7B）上也能奏效。

Dec, 2022

评价树：基于树结构的动态迭代检索框架对多跳问题回答

使用大型语言模型的知识链式推理能力解决多跳问题回答，引入检索增强的动态检索框架 Tree of Reviews，在多个数据集上实验结果显示比基线方法达到最先进的检索和响应生成性能。

Apr, 2024

增强检索辅助端到端面向任务系统在已见和未见对话场景中的性能

通过使用简单的缓存，该研究为任务导向对话系统带来了更大的灵活性。实验表明，该框架具有卓越的性能，与强基线相比，非空联合目标准确率提高了 6.7%。

Aug, 2023

点击率预测的检索导向知识

本文提出了一种通用的即插即用检索导向的知识（ROK）框架，通过设计一个知识库，利用知识蒸馏和对比学习方法来优化知识库，并将学习到的检索增强表示与任意 CTR 模型以实例级和特征级的方式进行集成，从而实现了与基于检索的 CTR 模型相当的性能，并具备更好的推断效率和模型兼容性。

Apr, 2024

以电影中的少样本人物理解为评估元学习理论

本研究填补现有研究中忽略的人类理解角色的心理状态（即人类心智理论）的元学习本质，创造了一个基于电影脚本的语言理解基准评估，要求模型在新电影的几个初始场景中快速理解角色，我们的人类研究验证了人类可以推理角色的心理状态，但目前的度量学习和元学习方法在任务上落后于人类 30%。

Nov, 2022

任务驱动对话中基础知识查询的无监督学习

本文提出了如何在没有知识库查询注释的情况下，使用强化学习和管道方法来训练任务导向型对话系统，并解决了相关问题，并通过分析强化学习算法的相关性和差异，突出了训练任务导向型对话系统的挑战。

Apr, 2020

ToMChallenges：探索心理理论的原则导向数据集和多元评估任务

本研究通过创建 ToMChallenges 数据集以综合评估 Sally-Anne 和 Smarties 测试来测试大型语言模型对理解他人的心理状态的能力，包括现实性、信念、一阶信念和二阶信念，并通过创建适用于每个任务类别的独特提示来为不同任务适应我们的数据，旨在验证模型的 ToM。我们评估了两个 GPT-3.5 模型，text-davinci-003 和 gpt-3.5-turbo-0301，结果表明，在 ToM 任务中保持一致的表现仍然是一个挑战。

May, 2023

COKE：用于机器心智理论的认知知识图谱

本文提出了 COKE，即第一种认知知识图谱，以提高 AI 系统的理论能力并缩小与人类之间的差距，其通过形式化 ToM 并使用预训练语言模型扩展将 ToM 描述为一组 45k+ 人类认知链，并进一步建立了功能强大的认知生成模型 COKE+，自动和人类评估结果表明，COKE+ 具有较高的 ToM 能力和高质量的认知能力。

May, 2023