基于话语迁移的端到端在线购物对话式搜索
计算与语言
2021-09-14 v1 人工智能
摘要
成功的对话式搜索系统能为在线购物客户呈现自然、自适应且交互式的购物体验。然而，从零构建此类系统面临来自不完善的商品模式/知识以及缺乏训练对话数据的现实挑战。本工作中，我们首先提出 ConvSearch，一个将对话系统与搜索深度结合的端到端对话式搜索系统。它利用文本档案检索商品，相较于单独使用商品属性，对不完善的商品模式/知识更具鲁棒性。随后我们通过提出话语迁移方法应对数据匮乏挑战：利用其他领域的现有对话，并借助电商零售商的搜索行为数据生成对话话语。通过话语迁移，我们引入了一个用于在线购物的新对话式搜索数据集。实验表明，我们的话语迁移方法可在无需众包的情况下显著提升训练对话数据的可用性，且对话式搜索系统显著优于所测试的最佳基线。
引用
@article{arxiv.2109.05460,
title = {End-to-End Conversational Search for Online Shopping with Utterance Transfer},
author = {Liqiang Xiao and Jun Ma2 and Xin Luna Dong and Pascual Martinez-Gomez and Nasser Zalmout and Wei Chen and Tong Zhao and Hao He and Yaohui Jin},
journal= {arXiv preprint arXiv:2109.05460},
year = {2021}
}