有限监督下的对话搜索查询解析

本工作聚焦于作为对话搜索关键组成部分的多轮段落检索。多轮段落检索的一个关键挑战在于，由于零指代、话题转换或话题回指，当前轮次的查询往往表述不够明确。可以利用对话历史中的上下文来获得当前轮次查询的更好表达，这一任务被定义为查询解析。在本文中，我们将查询解析任务建模为一个二值词项分类问题：对于对话前几轮中出现的每个词项，决定是否将其添加到当前轮次的查询中。我们提出了 QuReTeC（基于词项分类的查询解析），一种基于双向 Transformer 的神经查询解析模型。我们提出了一种远程监督方法，通过利用查询-段落相关性标签来自动生成训练数据。这类标签通常在数据集中容易获得，无论是人工标注还是从用户交互中推断得到。我们展示了 QuReTeC 优于现有最优模型，并且进一步表明，我们的远程监督方法可用于大幅减少训练 QuReTeC 所需的人工标注数据量。我们将 QuReTeC 集成到一个多轮、多阶段的段落检索架构中，并在 TREC CAsT 数据集上证明了其有效性。