少样本生成式对话查询重写
信息检索
2020-06-11 v1
摘要
对话查询重写旨在将简洁的对话查询重构为完全指定、独立于上下文的查询，以便现有信息检索系统有效处理。本文提出一种用于对话查询重写的少样本生成式方法。我们开发了基于规则和自监督学习的两种方法，利用大量临时搜索会话生成弱监督数据，并微调 GPT-2 以重写对话查询。在 TREC 对话辅助赛道上，我们的弱监督 GPT-2 重写器仅使用极少量人工查询重写就将最先进的排序准确率提高了 12%。在零样本学习设置下，该重写器仍给出与先前最先进系统相当的结果。我们的分析表明，GPT-2 有效掌握了任务语法并学会捕获上下文依赖，即使是涉及群体指称和长轮次依赖的困难情况也是如此。
引用
@article{arxiv.2006.05009,
title = {Few-Shot Generative Conversational Query Rewriting},
author = {Shi Yu and Jiahua Liu and Jingqin Yang and Chenyan Xiong and Paul Bennett and Jianfeng Gao and Zhiyuan Liu},
journal= {arXiv preprint arXiv:2006.05009},
year = {2020}
}
备注
Accepted by SIGIR 2020