基于预测用户参与度的澄清问题排序
信息检索
2021-04-02 v3 人机交互
摘要
为改进在线搜索结果，可使用澄清问题来阐明用户的信息需求。本研究旨在基于词汇信息：查询、问题和答案，预测用户与澄清面板的参与度作为相关性的指标。随后，预测的用户参与度可用作对澄清面板排序的特征。回归与分类被应用于预测用户参与度，并在新的 MIMICS 数据集 [20] 上与朴素启发式基线（如均值）进行比较。使用 RankNet 模型进行消融研究，以确定预测的用户参与度是否改善澄清面板排序性能。预测模型能够显著优于朴素基线，且预测的用户参与度特征在 NDCG 和 MRR 方面显著改善了 RankNet 结果。本研究展示了仅基于词汇信息对澄清面板排序的潜力，并可作为未来研究改进的首个神经基线。代码可在线获取。
引用
@article{arxiv.2103.06192,
title = {Ranking Clarifying Questions Based on Predicted User Engagement},
author = {Tom Lotze and Stefan Klut and Mohammad Aliannejadi and Evangelos Kanoulas},
journal= {arXiv preprint arXiv:2103.06192},
year = {2021}
}
备注
Appeared in MICROS Workshop, co-located with ECIR'21