本文研究了在对话检索（CS）场景下，已有的查询预测方法的有效性和适用性，并探讨了一些新的查询性能预测挑战，研究发现：（i）仅在大规模训练集可用时，受监督的 QPP 方法明显优于无监督的对应物；（ii）对于大多数情况，点对点受监督的 QPP 方法优于其列表对应物；（iii）基于检索分数的无监督 QPP 方法在评估 Conversational Dense Retrieval 方法 ConvDR 时展现出高级别的效果。

May, 2023

本文系统地回顾现有的产品问答研究，将 PQA 研究分为四种问题设置，并分析了各种设置的优缺点、现有数据集和评估协议。同时，作者总结了 PQA 所特有的最重要的挑战，并讨论了它们对应的解决方案和未来研究方向。

Feb, 2023

本文提出了一种名为 PAAG 的基于对抗学习的模型来解决电子商务中针对产品相关问题的答案生成问题，其中包括通过大规模未标注的电子商务评论和产品属性生成准确且完整的答案。在一个大规模的真实电子商务数据集上进行的广泛实验验证了我们模型中每个模块的有效性，并且我们的实验表明，我们的模型在自动指标和人工评估方面均实现了最先进的性能。

Jan, 2019

这篇论文提出了在产品领域上回答主观归纳问题（SUBJPQA）的新任务。针对这类问题，答案并不唯一，可以从多个角度解释。为了解决这一新任务，作者提出了一种三步法，涉及知识源的检索、问题的关联和多角度答案的生成。此外，作者构建了一个大规模的数据集，并展示了方法的有效性。

Sep, 2023

我们研究了开放域多跳问题回答中查询性能预测的问题，提出了一种用于预测开放域多跳问题性能的新型预检索方法，通过对最大的多跳问题回答数据集进行广泛评估，我们证明了该模型是一个强大的性能预测器，优于传统的单跳查询性能预测模型，此外，我们展示了该方法可以有效地用于优化问题回答系统的参数，例如需要检索的文档数量，从而提高整体的检索性能。

Aug, 2023

通过构建大规模的带有人工注释的 PM209 数据集，本研究提出了一个多模态产品手册问答（MPMQA）任务，其要求模型处理多模态内容并提供多模态答案，并进一步提出了一种统一模型，可以同时执行这两个子任务，并实现与多个任务特定模型相当的性能。

Apr, 2023

本研究提出了一种基于符合性预测的产品问答系统，可以提高回答的可靠性和可信度，并且包括不可以回答的问题的空答案，实现了对产品问题的快速和准确的回答。

Jul, 2020

该研究提出了一种基于 DPP 和 BERT 的方法，旨在从社区问答平台上选择多样性和非冗余的答案集，该方法在日本 CQA 网站上的实验表明性能优于几种基线方法。

Nov, 2020

通过使用单个多任务 transformer 模型，我们设计了一个统一的系统，可以迭代地检索支持事实，重新排序它们，并从所有检索的文档中预测答案，从而回答各种需要不同数量的检索步骤的开放领域问题。我们构建了一个新的基准测试 BeerQA，并证明我们的模型在现有基准测试和这个新基准测试上都表现出有竞争力的表现。

Oct, 2020

这项工作通过提出一种新的任务，即自动化的质量分析和数据清洁来收集高质量的社交媒体问答数据集，并使用基于 BERT 的模型进行了评估。我们的最佳方法包括一个单任务模型和一个多任务模型，可以确定问题和响应的合理性，并提取回答。

Nov, 2020