29、信息检索领域的前沿研究问题与展望

信息检索领域的前沿研究问题与展望

1. 对话式搜索的兴起

在信息检索中，用户初始查询后的行为值得关注。若未获得所需信息，用户通常会换一种查询方式再次尝试；即便需求得到满足，也可能继续进行相关或后续问题的交互。近年来，随着智能个人助理（如Siri）和智能消费设备（如Alexa）的发展，人们对交互式信息检索系统的兴趣再度高涨，“对话式搜索”或“对话式信息检索”这一术语也日益流行。

在信息检索社区，TREC的对话式辅助赛道（CAsT）自2019年起开展，旨在通过构建可复用的评估资源推动对话式搜索系统的研究。自然语言处理社区也对信息检索对话，尤其是问答领域，表现出浓厚兴趣，并且有许多数据集可捕捉自然对话中的典型语言现象，如指代、省略和话题转换等。

2. 基于Transformer的排序模型选择

基于Transformer的重排序模型大致可分为以下三种方法：
1. 应用现有模型 ：对现有Transformer模型进行最小修改，例如monoBERT和使用T5进行排序。
2. 调整现有模型 ：对现有Transformer模型进行调整，可能添加额外的架构元素，如CEDR和PARADE。
3. 重新设计架构 ：从头开始重新设计基于Transformer的架构，如TK/CK模型。

那么，哪种方法是“最佳”的呢？我们是追求最有效的模型而不考虑效率，还是寻找一种能平衡有效性和效率的操作点？这三种方法都有其有趣且有前景的发展方向。“应用”方法可让研究人员免费利用自然语言处理领域的创新成果，符合“更多数据、更大模型”的策略