A Survey of Conversational Search

作为现代信息访问的基石，搜索引擎已成为日常生活中不可或缺的一部分。随着人工智能和自然语言处理（NLP）技术的迅速发展，特别是大规模语言模型（LLMs）的出现，搜索引擎已经进化到支持用户与系统之间更加直观和智能的互动。会话搜索作为一种新兴的下一代搜索引擎范式，通过自然语言对话促进复杂而精确的信息检索，因此引起了广泛关注。与传统的基于关键词的搜索引擎不同，会话搜索系统通过支持复杂的查询、在多轮交互中保持上下文，并提供强大的信息整合和处理能力，从而提升了用户体验。关键组件如查询重写、搜索澄清、会话检索和响应生成协同工作，使这些复杂的交互成为可能。在这篇综述中，我们探讨了会话搜索的最新进展和潜在的未来方向，考察了构成会话搜索系统的各个关键模块。我们强调了大规模语言模型在增强这些系统中的集成，并讨论了这一动态领域面临的挑战和机遇。此外，我们还提供了对当前会话搜索系统在实际应用中的稳健评估的见解，旨在指导未来的会话搜索研究和开发。

论文试图解决的问题是传统关键词搜索在处理复杂和多轮次交互查询时的局限性，提出了一种基于自然语言对话的新型搜索范式——对话式搜索。这是一个相对较新的问题，旨在通过更智能的交互方式提升用户的搜索体验。

论文的关键思路是利用大型语言模型（LLMs）和自然语言处理（NLP）技术来构建对话式搜索系统，该系统能够支持复杂的查询、维护多轮对话的上下文，并提供强大的信息整合和处理能力。相比现有的研究，这篇论文不仅详细探讨了对话式搜索系统的各个关键模块，还提出了未来的研究方向和技术挑战。

论文的亮点包括对对话式搜索系统的关键组件如查询重写、搜索澄清、对话检索和响应生成进行了深入分析。实验设计涵盖了多种真实世界的应用场景，并使用了多个数据集进行评估。此外，论文讨论了系统的开源可能性，为未来的研究和开发提供了宝贵的参考。值得进一步研究的方向包括提高系统的鲁棒性和用户满意度，以及探索更多的应用场景。

近期在这个领域中，还有一些相关的研究，例如： - 'Conversational Search and Recommendation: A Survey' (2021) - 'A Survey on Conversational Information Retrieval' (2022) - 'Large Language Models in Information Retrieval: A Survey' (2023) 这些研究都从不同角度探讨了对话式搜索和推荐系统的发展和应用。