面向搜索澄清的用户参与度预测
信息检索
2021-02-09 v1 人机交互
摘要
澄清在信息检索的多个主题中日益成为关键因素，例如对话式搜索和现代 Web 搜索引擎。在搜索会话中向用户请求澄清对系统非常有益，因为用户的明确反馈可大幅帮助系统改进检索。然而，若系统未能提出恰当的澄清性问题，则存在令用户感到沮丧的极高风险。因此，确定何时以及如何请求澄清至关重要。为此，本文将搜索澄清预测建模为用户参与度问题。我们假设澄清质量越好，用户对其的参与度越高。我们提出一种基于 Transformer 的模型来解决该任务。在大规模真实澄清参与度数据上与竞争性基线的比较证明了我们模型的有效性。此外，我们分析了所有结果页面元素对性能的影响，发现其中搜索引擎的排序列表带来了显著改进。我们对任务特定特征的广泛分析为未来研究提供了指导。
引用
@article{arxiv.2102.04163,
title = {User Engagement Prediction for Clarification in Search},
author = {Ivan Sekulić and Mohammad Aliannejadi and Fabio Crestani},
journal= {arXiv preprint arXiv:2102.04163},
year = {2021}
}