对话式信息检索技术前沿探讨-优快云博客

ECIR 2021：信息检索迈向对话时代

某中心学者Emine Yilmaz表示，未来用户将通过与计算机交互来精准获取所需信息，而不再需要浏览冗长的结果列表。

对话式信息检索的兴起

Emine Yilmaz是某中心学者兼伦敦大学学院计算机科学教授，多年来一直深度参与欧洲信息检索会议（ECIR）。她注意到ECIR社区对对话式信息检索的兴趣日益增长——即通过多轮对话来优化查询。

"对话式信息检索是一个逐渐兴起的领域，"Yilmaz表示，“如何构建与用户协同工作的交互系统？如何使这些系统具备主动性？我认为这些问题正变得越来越重要。”

在某中心的应用实践

在某中心，Yilmaz与语音购物团队合作，对话式信息检索是该团队的核心研究课题。传统基于网络的搜索引擎通常会返回结果列表，客户只需选择最感兴趣的一两个结果。但很少有语音服务用户愿意听完10或20个结果的朗读，因此交互式优化查询的能力至关重要。

用户满意度预测的关键作用

Yilmaz解释说：“当前主要重点是预测用户满意度。我们分析用户与语音助手的交互行为，观察行为模式如何演变，基于此尝试检测或预测用户交互是否令人满意。”

预测用户满意度的一个原因是语音交互产生的数据少于基于网络的交互。在传统搜索引擎返回的20个结果中，用户点击两个链接不仅传达了这两个链接的信息，也包含了其余18个链接的隐含信息。而语音查询通常只返回单个结果，用户是否与该结果互动的决定所提供的信息量远不如前者。预测用户未接触到的查询结果的满意度有助于填补这一空白。

系统评估与优化挑战

Yilmaz指出预测用户满意度还有其他用途：“假设你正在测试新功能，需要决定是否向用户展示。这里存在一个困境：你不想向太多用户展示，因为如果这是个糟糕的功能，可能会影响用户满意度和体验；另一方面，你需要向足够多的用户展示以获得可靠的质量评估。因此应该向目标明确的小规模用户群体展示，并理想情况下使用非常有限的数据集来识别用户是否会满意。”

预测用户满意度还有助于对话式信息检索系统的评估。"作为用户，你不会考虑这类系统评估的重要性，"Yilmaz说，“但归根结底，如果目标是构建更好的对话式信息检索系统，就需要能够量化’更好系统’的含义。目前还没有专门为对话式信息检索设计、与用户满意度高度相关且可供优化的良好指标。”

未来发展方向

当然，最终目标是构建更好的对话式信息检索系统。

"我认为这是该领域的发展方向，"Yilmaz表示，"系统在其对用户需求理解的基础上尽其所能，每当不确定时就会提出问题。"在信息检索领域，“有很多关于系统能够提出澄清性问题以改进支持的工作，还有能够提供解释回应的系统。模型可能会说：'我推荐这家餐厅是因为我认为你喜欢川菜。'用户可能回答：'嗯，我现在不想吃川菜，我想吃意大利面。'过去几年，大量研究致力于构建此类系统，但我们仍处于非常初级的阶段。”