ACLMay, 2023

ConvGQR: 面向对话搜索的生成查询改写

PDF
TL;DR本文提出了 ConvGQR 的框架，该框架基于生成预训练语言模型，一种用于查询重写，另一种用于生成潜在答案。通过结合两者，ConvGQR 可以产生更好的搜索查询。此外，我们提出了一种知识注入机制来优化查询重写和检索，实验表明 ConvGQR 的有效性。
conversational searchquery reformulationgenerative pre-trained language modelsknowledge infusion mechanismretrieval performance
发现论文，激发创造
  • 对话问答知识图谱中的改述式强化学习

    本研究提出了一种基于强化学习的模型 CONQUER，能从包含噪声的问题改写中学习如何回答自然语言问题，并在新提出的基准测试集 ConvRef 上展示了显著的性能提升。

    May, 2021

  • CONQRR：基于强化学习的检索型对话查询重写

    CONQRR 使用强化学习训练了一个新的查询重写模型，使得原本用于非对话查询的信息检索引擎能够在对话的语境下得到有效的应用，并在最近的 CQA 数据集中实现了最新的成果，同时对于领域外的对话和零查询重写监督具有可靠性。

    Dec, 2021

  • 基于知识图谱的对话式问答系统

    我们提出了一个基于强化学习模型的 CornNet，该模型利用大型语言模型生成的问题重述来改进对知识图谱中的多轮自然语言问题的回答，实验证明 CornNet 优于现有的 ConvQA 模型。

    Dec, 2023

  • 对话问答模型的强化重述生成之稳健训练

    通过我们提出的 REIGN 框架，我们通过多种步骤来解决面对表面形式变化的局限性学习环境，其中包括系统生成训练问题的改写，通过深度强化学习改善问答模型的性能，以及在一个基准测试集上训练模型并应用于另一个。我们通过大量多样的改写生成评测数据的方式对训练模型的鲁棒性进行了严格评估，结果显示，通过改写生成的训练方法的对话问答模型明显优于只使用金标准问答对进行标准训练的模型。

    Oct, 2023

  • 少样本生成式对话查询重写

    该研究提出了一种用于会话查询重写的 few-shot 生成方法，使用规则和自监督学习生成弱监督数据，并使用 GPT-2 进行优化以重写会话查询，在 TREC Conversational Assistance Track 上，我们的弱监督 GPT-2 重写器提高了 12％的准确性，仅使用极少量的手动查询重写。在零 - shot 学习设置下，该重写器仍然能够给出与之前最先进的系统相当的结果。

    Jun, 2020

  • 加强对话式搜索：大型语言模型辅助的信息性查询改写

    通过利用大型语言模型作为查询重写器，并结合精心设计的指令，我们定义了四个重写的关键属性，提出了基于大型语言模型的查询重写方法。我们还介绍了 LLMs 的重写能力的提炼，并采用 “先重写后编辑” 的方法来处理初始查询重写。实验结果在 QReCC 数据集上表明，信息丰富的查询重写可以显著提高检索性能，特别是在检索器稀疏的情况下。

    Oct, 2023

  • GenQREnsemble：用于生成性查询重表述的零射预训练语言模型集成提示

    通过使用零 - shot 询问版本，我们提出了一种基于集成提示技术的查询再构建方法，称为 GenQREnsemble，该方法利用零 - shot 指令的释义生成多组关键词，从而最终提高检索性能。

    Apr, 2024

  • 使用集成提示、文档融合和相关反馈的生成查询重构

    通过使用两种基于集成的提示技术（GenQREnsemble 和 GenQRFusion）来改进搜索查询的检索性能，利用反馈信息提供更好的搜索体验，并建立了自动查询改写的最新技术水平。

    May, 2024

  • 面向会话问答的问题重写

    本论文介绍了一种分解对话问答任务的方法，包括问题重写和问题回答。通过引入一种新的对话 QA 架构和一个问题重写模型，证明了这种方法在 TREC CAsT 2019 建议检索数据集上已经达到了最新的技术水平，并在 QuAC 数据集中优于我们的基准模型。这个问题重写模型在两个数据集上的性能接近于人类的表现，而对话 QA 任务的终端性能差距主要是由于回答中的错误导致的。

    Apr, 2020

  • AdaCQR: 通过稀疏和稠密检索对话搜索中增强查询重构

    通过对齐基于词语和语义的检索系统，AdaCQR 框架增强了信息查询在多样检索环境中的泛化能力，并通过双阶段训练策略提供了数量和质量上的改进，从而显著优于现有方法，提供了与对话式查询改进相关的定量和定性改进。

    Jul, 2024