语音助手系统中用于查询重构检索的查询扩展与实体加权方法
信息检索
2022-03-01 v1 人工智能
摘要
诸如 Alexa、Siri 和 Google Assistant 的语音助手已在全球日益普及。然而,语言变体、语音模式的多变性、环境声学条件以及其他此类因素常与助手误解读用户查询相关。为提供更好的客户体验,基于检索的查询重构(query reformulation, QR)系统被广泛用于重构那些被误读的用户的查询。当前的 QR 系统通常聚焦于神经检索模型训练或直接实体检索以进行重构。然而,这些方法很少同时关注查询扩展与实体加权,这可能限制查询重构检索的范围与准确性。本工作中,我们提出一种新颖的查询扩展与实体加权方法(Query Expansion and Entity Weighting, QEEW),其利用实体目录(由用户查询、助手响应及相应实体组成)中实体间的关系来增强查询重构性能。在 Alexa 标注数据上的实验表明,QEEW 改善了所有置顶精度指标,尤其相较于未使用查询扩展与加权的基线,置顶10精度提升 6%;且相较于其他使用查询扩展与加权的基线,置顶10精度提升超过 5%。
引用
@article{arxiv.2202.13869,
title = {Query Expansion and Entity Weighting for Query Reformulation Retrieval in Voice Assistant Systems},
author = {Zhongkai Sun and Sixing Lu and Chengyuan Ma and Xiaohu Liu and Chenlei Guo},
journal= {arXiv preprint arXiv:2202.13869},
year = {2022}
}