【标题】CONQRR: Conversational Query Rewriting for Retrieval with Reinforcement Learning

【作者团队】Zeqiu Wu, Yi Luan, Hannah Rashkin

【发表日期】2022.10.28

【论文链接】https://arxiv.org/pdf/2112.08558.pdf

【推荐理由】与标准检索任务相比，对话式问答（CQA）的段落检索在理解当前用户问题方面提出了新的挑战，因为每个问题都需要在对话上下文中进行解释。 此外，重新训练完善的检索器（例如最初为非会话查询开发的搜索引擎）可能会很昂贵。 为了方便他们的使用，本文开发了一个查询重写模型 CONQRR，它将上下文中的对话问题重写为一个独立的问题。 它使用一种新的奖励函数进行训练，以使用强化学习直接优化检索，并且可以适应任何现成的检索器。 CONQRR 在最近包含来自三个不同来源的对话的开放域 CQA 数据集上实现了最先进的结果，并且对两个不同的现成检索器有效。 本文的广泛分析还显示了 CONQRR 对域外对话以及零查询重写监督的稳健性。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除