Towards Self-Contained Answers: Entity-Based Answer Rewriting in Conversational Search

这篇论文探讨了会话式信息获取（CIS）作为知识获取和探索性搜索的新兴范式。传统的网络搜索界面可以轻松地探索实体，但由于会话式设置下的带宽有限界面，这种探索受到了限制。本文探讨了将CIS中的答案重写的方式，以便用户无需求助于外部服务或来源即可理解答案。具体而言，我们关注显著实体——对于理解答案至关重要的实体。作为我们的第一个贡献，我们创建了一个包含显著实体注释的对话数据集。我们对收集到的数据进行的分析显示，大多数答案都包含显著实体。作为我们的第二个贡献，我们提出了两种旨在改善CIS中整体用户体验的答案重写策略。一种方法是通过内嵌显著实体的定义来扩展答案，使答案自成体系。另一种方法是通过后续问题来补充答案，为用户提供了解更多特定实体的可能性。基于众包的研究结果表明，重写的答案明显优于原始答案。我们还发现，内嵌定义往往优于后续问题，但这种选择高度主观，因此为个性化提供了一个有前途的未来方向。

本论文旨在探索在对话式信息寻求中，如何重写答案以便用户能够理解，特别是针对重要实体的重写。

本论文提出两种答案重写策略，一种是通过内联定义重要实体来扩展答案，另一种是通过后续问题来补充答案，以提高对话式信息寻求的用户体验。

论文创建了一个对话数据集，并针对重要实体进行了注释。研究表明，大多数答案都包含重要实体。通过众包研究，证明重写答案明显优于原始答案。内联定义的答案比后续问题更受欢迎，但这种选择具有高度主观性，为个性化提供了有前途的未来方向。

在这个领域中，最近的相关研究包括：1.《对话式信息寻求中的实体识别与链接》；2.《基于知识图谱的对话式信息寻求》；3.《对话式信息寻求中的答案重写：现状与展望》。