对话式信息检索：从搜索到交互的未来

在伦敦大学学院计算机科学教授、某机构学者Emine Yilmaz看来未来用户将通过对话与计算机交互来精确识别所需信息而非滚动浏览冗长的结果列表。多年来Emine Yilmaz一直深度参与欧洲信息检索会议ECIR。她曾担任2020年会议的程序委员会联合主席和2017年的博士联盟联合主席今年她是评选会议时间检验奖获奖者的委员会成员。她表示最近注意到ECIR社区对对话式信息检索即使用多轮对话来优化查询的兴趣日益浓厚。“对话式信息检索是一个正在慢慢兴起的领域。” Yilmaz说“如何构建一个能与用户协同工作的交互式系统又如何让这类系统具备潜在的主动性我认为这些问题正变得越来越重要。”在某机构Yilmaz与Alexa Shopping团队合作对话式信息检索是该团队的核心研究课题。传统的基于网页的搜索引擎通常会返回一个结果列表用户只需从中选择最感兴趣的一两个。但很少有语音服务用户愿意听完10到20个结果的播报因此能够交互式地优化查询变得至关重要。Yilmaz解释说短期内“主要焦点是预测用户满意度。我们观察用户与Alexa的互动看行为如何演变。基于此我们尝试检测或预测用户交互是否令人满意。”尝试预测用户满意度的原因之一是语音交互产生的数据比基于网页的交互少。点击传统搜索引擎返回的20个结果中的两个链接不仅传达了关于这两个链接的信息也隐含了对其余18个链接的反馈。而如果基于语音的查询只返回一个结果用户决定是否与该结果互动所能提供的信息量就少得多。预测用户对未接触到的查询结果的满意度有助于填补这些信息空白。探索、利用、评估但Yilmaz解释说预测用户满意度还有其他用途。“假设你正在Beta测试一项新功能你必须决定是否向用户展示它”她说“这里存在一个两难境地。你不想把它展示给太多用户因为它可能是个不好的功能你不想影响用户满意度和用户体验。另一方面你需要把它展示给足够多的用户以获得对其质量的可靠评估。所以你应该把它展示给一个有针对性的一小部分用户并理想地通过使用非常有限的数据集来识别用户是否会对其满意。”Yilmaz解释道预测用户满意度也有助于评估对话式信息检索系统。“作为用户你不会想到评估这类系统的重要性”她说“但归根结底如果你的目标是构建一个更好的对话式信息检索系统你需要能够量化‘更好的系统’意味着什么。目前还没有一个与用户满意度高度相关、专门为对话式信息检索设计、可供人们优化的良好指标。”当然最终目标是构建一个更好的对话式信息检索系统。“我认为这就是该领域的发展方向”Yilmaz说“系统会根据其对用户需求的理解尽其所能地提供服务并且在不确定时提出问题。” 在信息检索领域Yilmaz说“有很多关于系统如何提出澄清问题以改善其可提供支持的研究。也有关于系统如何在响应用户的同时提供解释的研究。模型可能会说‘我推荐这家餐厅是因为我认为你喜欢川菜。’用户可能会说‘嗯我现在不想吃川菜我想吃意大利面。’在过去的几年里大量研究致力于构建这样的系统但我们仍处于非常初期的阶段。”FINISHED更多精彩内容 请关注我的个人公众号 公众号办公AI智能小助手或者 我的个人博客 https://blog.qife122.com/对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号网络安全技术点滴分享