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

本文概述了对话式信息检索（CIS）的定义、应用、交互、界面、设计、实现和评估，并介绍了 CIS 的现状，挑战和未来发展方向。

Jan, 2022

对话式信息获取是一种新兴的知识获取和探索性搜索范式，本论文旨在探索对话式信息获取中的答案重写方法，使用户能够理解答案而无需借助外部服务或来源。通过创建带有突出实体注释的对话数据集，该研究发现大多数答案包含重要实体。提出了两种旨在改善对话式信息获取中用户体验的答案重写策略，其中一种方法是通过内联定义重写答案，使答案在自身中包含所述重要实体的定义；另一种方法是通过补充后续问题来补充答案，使用户可以进一步了解特定实体。众包研究结果表明，重写后的答案明显优于原始答案。同时发现内联定义往往优于后续问题，但这种选择高度主观，这为个性化提供了一个有希望的未来方向。

Mar, 2024

本文探讨了从 1960 年至 2017 年信息检索中的查询扩展技术，包括核心技术、数据源、加权和排名方法、用户参与以及应用，揭示了其相似性和差异性。

Aug, 2017

本文提出的 PIE-QG 方法使用开放信息提取（OpenIE）从释义段落中生成合成训练问题，并利用问题 - 答案对作为基于 BERT 的最先进 QA 系统的训练数据。在五个抽取式 QA 数据集上进行实验表明，我们的技术在没有外部参考数据源的情况下以数量级更少的文档训练，实现了与现有最先进 QA 系统相同的性能。

Jan, 2023

本文介绍了一种机器学习框架 SIMSEEK，可用于合成 2M 条 CQA 对话，并且在 QuAC 基准测试中实现了最先进的性能

May, 2022

该研究提出了一种基于知识图谱的问答生成系统（KBQG），通过识别结构化知识图中最相关的关系，以更细的粒度建模用户偏好，进而生成个性化的解决方案，从而实现更准确的推荐。在真实数据集的实验中，该系统的表现优于现有的对话型推荐系统。

May, 2021

为了实现对话系统的智能回答，文中设计了 DRKQG，该系统能够根据上下文信息，在没有提前准备知识库的情况下通过搜索引擎检索相关知识，并利用生成模块同时考虑上下文信息和检索知识生成回答，实验结果表明，该模块在自动评估和人工评估两方面取得了优异的成绩。

Jul, 2022

本文提出了一种自适应信息获取策略（AISO），将检索和回答过程建模为部分观测的马尔可夫决策过程，并定义了三种检索操作和一种回答操作，AISO 根据所收集的证据和重新构造的查询自适应地选择适当的检索操作来寻找丢失的证据，并在证据集足够回答问题时直接输出答案，实验结果表明，相比于预定义策略的基线方法，AISO 在检索和回答方面的评估上表现更好。

Sep, 2021

本文提出了一种新的查询扩展系统 Event-Centric Query Expansion（EQE），通过从大量的潜在事件中挖掘最佳扩展，快速准确地提高搜索质量，该系统已被部署在腾讯 QQ 浏览器搜索中，服务于数亿用户。

May, 2023