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
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
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
介绍了近年来发展的神经网络方法在对话式信息检索系统中的应用,并聚焦于自然语言处理,多轮对话,以及以人为中心的交互。
Jan, 2022
该论文介绍了 INSCIT 数据集,该数据集用于信息搜索对话的研究,其中包含 805 个人 - 人之间的对话中的 4.7K 用户 - 代理器的交互,定义了证据段落识别和响应生成的两个子任务,以及一个新的人类评估协议以评估模型的性能,证实现有大量改进的空间。
Jul, 2022
本文研究了如何设计对话式搜索系统以协助用户在不熟悉的领域进行信息探索,并通过实验研究采用统计分析和过程挖掘技术发现了用户在不同领域中的一般信息需求类型和对话行为,从而得出了为对话式搜索系统提供设计建议的结论。
Jan, 2023
提出了一种名为 ISEEQ 的新方法,利用知识图谱和深度生成对抗强化学习等技术从短语查询中生成高质量的信息请求问题,从而推进对话式信息查询技术的发展,并在多个数据集上进行了详细的实验和人工评估。
Dec, 2021
本文介绍了 Conversation Search (ConvSearch) 的方法,重点关注人机交互特征和操作模块,同时将其应用于医疗保健领域,帮助信息检索过程并探讨挑战和问题。
Nov, 2022
本文介绍了一种模块化架构的开源框架 Macaw,用于实现和研究会话式信息检索的多轮、多模态和混合交互,并支持文档检索、问答、推荐和结构化数据探索等任务的算法研究和批量模式评估,可以与用户接口进行集成,其后端可以是完全算法化或巫师 Oz 设置。
Dec, 2019
本文详细调查了面向会话的推荐技术现有的方法,将这些方法按支持的用户意向或背景知识等维度分类,同时讨论了技术方法、CRS 的评估,以及未来需要更多研究的领域。
Apr, 2020