历史感知式对话密集型检索

对话检索通过启用用户与系统之间的多轮交互，促进复杂信息检索。实现此目的需要全面理解对话输入，才能基于历史信息制定良好检索查询。特别是，检索查询应包含来自前序对话轮次的相关信息。然而，当前的对话密集型检索方法主要依赖于对预训练的单句检索器进行整体对话搜索会话的微调，这类会话往往冗长且充满噪声。此外，现有方法受限于现有数据集中人工监督信号的数量。为此，我们提出一种历史感知式对话密集型检索（HAConvDR）系统，其包含两个想法：上下文去噪查询重构和基于历史轮次实际影响的自动监督信号挖掘。在两个公共对话搜索数据集上进行实验，表明HAConvDR在历史建模能力方面具有提升，尤其是针对包含话题转移的长对话。