基于会话搜索中负反馈的澄清问题询问
信息检索
2021-07-14 v1
摘要
当用户有复杂信息需求时，常需浏览多个搜索结果页或重构查询。会话搜索系统可通过询问问题以澄清用户搜索意图来提升满意度。然而，回答一系列以“什么/为什么/如何”开头的问题可能耗费大量精力。为快速识别用户意图并减少交互负担，我们提出一种基于是非问题的意图澄清任务，其中系统需在最少对话轮次内询问关于意图的正确问题。该任务中，利用对话历史中先前问题的负反馈至关重要。为此，我们提出一种基于最大边际相关（MMR）的 BERT 模型（MMR-BERT），基于 MMR 原则利用负反馈进行下一澄清问题选择。在 Qulac 数据集上的实验表明，MMR-BERT 在意图识别任务上显著优于最先进基线，且所选问题在相关文档检索任务中也取得显著更优性能。
引用
@article{arxiv.2107.05760,
title = {Asking Clarifying Questions Based on Negative Feedback in Conversational Search},
author = {Keping Bi and Qingyao Ai and W. Bruce Croft},
journal= {arXiv preprint arXiv:2107.05760},
year = {2021}
}
备注
In the proceedings of ICTIR'21