微软在WWW 2020上发表的研究提出对话式问题建议，通过BERT和GPT-2模型改进搜索引擎，提高问题建议的有用性，提升用户搜索体验。新模型在离线和在线评估中表现出显著优势，问题点击率增加6.4%-8.9%。
©PaperWeekly 原创 · 作者｜金金
单位｜阿里巴巴研究实习生
研究方向｜推荐系统
论文标题：
Leading Conversational Search by Suggesting Useful Questions
论文来源：
WWW 2020
论文链接：
https://www.microsoft.com/en-us/research/uploads/prod/2020/01/webconf-2020-camera-rosset-et-al.pdf
简介
本文由微软 AI 研究院发表于 WWW 2020，当前对话式搜索引擎主要存在两个挑战：1. 用户仍然习惯使用查询词而并非自然语言进行搜索；2. 搜索引擎的能力需要超出仅解决当前查询的问题。
本文提出了对话式问题建议（Conversatioal question suggestion）这一新的方式，帮助用户通过更接近于对话式检索的方式，获得更好的搜索体验。
本文首先提出了更加合理的评价指标 usefulness 替代 relevance，以衡量建议问题的性能；然后提出了基于 BERT 的排序模型和基于 GPT-2 的生成模型，从而针对当前的查询生成问题，这些模型在离线的 usefulness
最低0.47元/天 解锁文章
扫一扫
1186
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
