論文の概要: Analysing Mixed Initiatives and Search Strategies during Conversational
Search
- arxiv url: http://arxiv.org/abs/2109.05955v1
- Date: Mon, 13 Sep 2021 13:30:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-14 22:09:24.369910
- Title: Analysing Mixed Initiatives and Search Strategies during Conversational
Search
- Title（参考訳）: 会話探索における混合イニシアティブと探索戦略の分析
- Authors: Mohammad Aliannejadi, Leif Azzopardi, Hamed Zamani, Evangelos
Kanoulas, Paul Thomas, Nick Craswel
- Abstract要約: 本稿では,対話型検索のモデルを提案する。そこから観察された対話型検索戦略をインスタンス化し,エージェントが引き起こす: (i) フィードバックファースト, (ii) フィードバックアフタ。
分析の結果,質問結果の提示後に質問された場合,質問内容の明確化が良好であるのに対して,質問内容の明確化が良好であることが判明した。
- 参考スコア（独自算出の注目度）: 31.63357369175702
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Information seeking conversations between users and Conversational Search
Agents (CSAs) consist of multiple turns of interaction. While users initiate a
search session, ideally a CSA should sometimes take the lead in the
conversation by obtaining feedback from the user by offering query suggestions
or asking for query clarifications i.e. mixed initiative. This creates the
potential for more engaging conversational searches, but substantially
increases the complexity of modelling and evaluating such scenarios due to the
large interaction space coupled with the trade-offs between the costs and
benefits of the different interactions. In this paper, we present a model for
conversational search -- from which we instantiate different observed
conversational search strategies, where the agent elicits: (i) Feedback-First,
or (ii) Feedback-After. Using 49 TREC WebTrack Topics, we performed an analysis
comparing how well these different strategies combine with different mixed
initiative approaches: (i) Query Suggestions vs. (ii) Query Clarifications. Our
analysis reveals that there is no superior or dominant combination, instead it
shows that query clarifications are better when asked first, while query
suggestions are better when asked after presenting results. We also show that
the best strategy and approach depends on the trade-offs between the relative
costs between querying and giving feedback, the performance of the initial
query, the number of assessments per query, and the total amount of gain
required. While this work highlights the complexities and challenges involved
in analyzing CSAs, it provides the foundations for evaluating conversational
strategies and conversational search agents in batch/offline settings.
- Abstract（参考訳）: ユーザと会話エージェント(CSA)間の会話を求める情報には,対話のターンが複数ある。
ユーザが検索セッションを開始する間、CSAは、クエリの提案やクエリの明確化、すなわち混合イニシアティブを提供することによって、ユーザからのフィードバックを得ることによって、会話のリードを取ることが理想である。
これにより、より魅力的な対話型検索の可能性がもたらされるが、大きな相互作用空間と異なる相互作用のコストと利益のトレードオフが組み合わさって、そのようなシナリオのモデル化と評価の複雑さが大幅に増大する。
本稿では,対話的探索のためのモデルを提案する。そこではエージェントが示す異なる対話的探索戦略をインスタンス化する。
(i)フィードバックファースト、または
(ii) フィードバックの後。
49のTREC WebTrack Topicsを使用して、これらの異なる戦略と異なる混合イニシアティブアプローチがいかにうまく組み合わせられているかを比較した。
(i)クエリSuggestions vs.
(ii)クエリの明確化。
分析の結果,先行的あるいは支配的な組み合わせは存在せず,その代わり,最初に質問した場合のクエリの明確化が良好であると同時に,結果提示後のクエリ提案も良好であることが判明した。
また,クエリとフィードバックの相対的コスト,初期クエリのパフォーマンス,クエリ毎のアセスメント数,必要なゲインの総量とのトレードオフにも依存することを示す。
この研究はcsasの分析に関わる複雑さと課題を強調しているが、バッチ/オフライン設定で会話戦略と会話検索エージェントを評価する基盤を提供する。
関連論文リスト
- Aligning Query Representation with Rewritten Query and Relevance Judgments in Conversational Search [32.35446999027349]
我々は、より優れたクエリ表現モデルをトレーニングするために、リライトされたクエリと会話検索データの関連判断の両方を活用する。
提案したモデル --Query Representation Alignment Conversational Retriever(QRACDR)は、8つのデータセットでテストされる。
論文 参考訳（メタデータ） (2024-07-29T17:14:36Z) - ProCIS: A Benchmark for Proactive Retrieval in Conversations [21.23826888841565]
本稿では,280万件以上の会話からなるプロアクティブな文書検索のための大規模データセットを提案する。
クラウドソーシング実験を行い、高品質で比較的完全な妥当性判定を行う。
また、各文書に関連する会話部分に関するアノテーションを収集し、前向きな検索システムの評価を可能にする。
論文 参考訳（メタデータ） (2024-05-10T13:11:07Z) - Selecting Query-bag as Pseudo Relevance Feedback for Information-seeking Conversations [76.70349332096693]
情報検索対話システムは電子商取引システムで広く利用されている。
クエリバッグに基づくPseudo Relevance Feedback framework(QB-PRF)を提案する。
関連クエリを備えたクエリバッグを構築し、擬似シグナルとして機能し、情報検索の会話をガイドする。
論文 参考訳（メタデータ） (2024-03-22T08:10:32Z) - Social Commonsense-Guided Search Query Generation for Open-Domain
Knowledge-Powered Conversations [66.16863141262506]
本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。
提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
論文 参考訳（メタデータ） (2023-10-22T16:14:56Z) - FCC: Fusing Conversation History and Candidate Provenance for Contextual
Response Ranking in Dialogue Systems [53.89014188309486]
複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。
会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
論文 参考訳（メタデータ） (2023-03-31T23:58:28Z) - Towards Building Economic Models of Conversational Search [17.732575878508566]
我々は,これまで検索セッションで観察されたパターンに基づいて,対話型検索の2つの経済モデルを構築した。
我々のモデルは、与えられた/要求されたフィードバックの量は、初期またはその後のクエリを改善するための効率に依存することを示している。
論文 参考訳（メタデータ） (2022-01-21T15:20:51Z) - Conversational Recommendation: Theoretical Model and Complexity Analysis [6.084774669743511]
理論的にドメインに依存しない会話推薦モデルを提案する。
効率的な会話戦略の発見はNPハードであることが示される。
また,カタログの特徴が個々の対話戦略の効率性に強く影響を与えることを示す。
論文 参考訳（メタデータ） (2021-11-10T09:05:52Z) - Open-Retrieval Conversational Question Answering [62.11228261293487]
オープン検索型対話型質問応答 (ORConvQA) の設定を導入する。
ORConvQAのエンド・ツー・エンドシステムを構築し,レトリバー,リランカ,およびすべてトランスフォーマーをベースとしたリーダを特徴とする。
論文 参考訳（メタデータ） (2020-05-22T19:39:50Z) - Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting [56.268862325167575]
マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
論文 参考訳（メタデータ） (2020-05-05T14:30:20Z) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳（メタデータ） (2020-04-17T03:51:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。