ISEEQ：基于动态元信息检索与知识图谱的信息寻求问题生成
信息检索
2021-12-15 v1 人工智能
计算与语言
摘要
会话式信息寻求（CIS）是会话式人工智能中一个相对较新的研究领域，试图从终端用户处获取信息以理解并满足用户需求。若得以实现，此类系统在现实世界具有深远益处；例如，CIS 系统可辅助临床医生进行医疗预筛查或分诊。文献中一个尚未解决的关键开放子问题是：基于终端用户的简短初始查询生成信息寻求问题（ISQ）。为解决该开放问题，我们提出信息寻求问题生成器（ISEEQ），一种仅从简短用户查询和与该查询相关的大文本语料库生成 ISQ 的新方法。首先，ISEEQ 使用知识图谱丰富用户查询。其次，ISEEQ 利用知识增强的查询检索相关上下文段落，以提出遵循概念流的连贯 ISQ。第三，ISEEQ 引入一种基于深度生成-对抗强化学习的新方法用于生成 ISQ。我们表明 ISEEQ 能生成高质量 ISQ 以促进 CIS 智能体的发展。在四个来自不同领域用户查询的数据集上，ISEEQ 在五项 ISQ 评估指标上显著优于可比基线。进一步，我们认为 ISEEQ 可跨领域迁移生成 ISQ，因为在不同的领域对上训练与测试时表现出可接受的性能。定性人工评估确认 ISEEQ 生成的 ISQ 在质量上与人类生成问题相当，并优于最佳可比基线。
引用
@article{arxiv.2112.07622,
title = {ISEEQ: Information Seeking Question Generation using Dynamic Meta-Information Retrieval and Knowledge Graphs},
author = {Manas Gaur and Kalpa Gunaratna and Vijay Srinivasan and Hongxia Jin},
journal= {arXiv preprint arXiv:2112.07622},
year = {2021}
}
备注
Accepted at AAAI 2022, preprint version. Supplementary materials are provided in the paper and alternatively can be found at https://github.com/manasgaur/AAAI-22