CROWN：基于词网络推理的对话式段落排序
信息检索
2020-02-12 v3 计算与语言
摘要
围绕某一主题的信息需求无法在单轮中满足；用户通常提出指向同一主题的后续问题，系统必须能够理解请求的对话上下文以检索正确答案。在本文中，我们介绍提交至TREC 2019对话辅助赛道（Conversational Assistance Track）的工作，其中探讨了此类对话设定。我们提出一种简单的无监督对话式段落排序方法，将查询的段落得分公式化为相似度与连贯度的组合。具体而言，偏好包含与问题中用词语义相似且此类词邻近出现的段落。我们从大规模语料构建了词邻近网络（WPN），其中词为节点，若两节点在同一上下文窗口内以统计显著方式共现于相同段落中则存在边。我们的方法名为CROWN，在CAsT训练数据上相较提供的Indri基线提升了nDCG分数。在CAsT评测数据上，我们最佳运行提交在AP@5和nDCG@1000上取得了高于平均的表现。
引用
@article{arxiv.1911.02850,
title = {CROWN: Conversational Passage Ranking by Reasoning over Word Networks},
author = {Magdalena Kaiser and Rishiraj Saha Roy and Gerhard Weikum},
journal= {arXiv preprint arXiv:1911.02850},
year = {2020}
}
备注
TREC 2019, 14 pages