SE-PQA：个性化社区问答
信息检索
2024-03-18 v2
摘要
信息检索中的个性化是一个长期研究的课题。然而，仍缺乏高质量的真实世界数据集来进行大规模实验并评估个性化搜索的模型。本文通过引入SE-PQA (StackExchange - Personalized Question Answering)，即一个新的精心构建的资源，用于设计和评估与社区问答(cQA)任务相关的个性化模型，有助于填补这一空白。所贡献的数据集包含超过100万条查询和200万条答案，并用一组丰富的特征进行标注，这些特征建模了一个流行cQA平台用户之间的社交互动。我们描述了SE-PQA的特征并详述了与问题和答案相关联的特征。我们还基于该资源提供了cQA任务的可复现基线方法，包括深度学习模型和个性化方法。所进行的初步实验结果表明了SE-PQA训练有效cQA模型的适用性；它们也表明个性化显著提高了所有被测方法的效能。此外，我们展示了为个性化目的组合多个社区数据在鲁棒性和泛化方面的益处。
引用
@article{arxiv.2306.16261,
title = {SE-PQA: Personalized Community Question Answering},
author = {Pranav Kasela and Marco Braga and Gabriella Pasi and Raffaele Perego},
journal= {arXiv preprint arXiv:2306.16261},
year = {2024}
}