面向对话式搜索任务中言语行为与会话动作的关联

对话式搜索系统可通过促进与图书馆内容的自然直观交互来改善数字图书馆中的用户体验。然而，大多数对话式搜索系统仅限于执行简单任务与控制智能设备。因此，需要能够准确理解用户信息需求并执行适当搜索活动的系统。先前关于智能系统的研究表明，通过识别用户对话中的言语行为来理解话语的功能层面（搜索意图）是可能的。在本工作中，我们自动识别与口语话语相关的言语行为，并用其预测系统级搜索动作。首先，我们进行了 Wizard-of-Oz 研究，从 75 个搜索会话中收集数据。我们进行了主题分析以策划一个黄金标准数据集——包含 1834 条话语与 509 个系统动作——涵盖三种信息搜寻场景下的人机交互。接下来，我们开发了基于注意力的深度神经网络以理解自然语言并预测言语行为。然后，将言语行为输入模型以预测相应的系统级搜索动作。我们还标注了第二个数据集以验证我们的结果。对于两个数据集，性能最佳的分类模型在言语行为分类上分别取得了 90.2% 与 72.7% 的最高准确率，在搜索动作分类上分别取得了 58.8% 与 61.1%。