[论文解读] Conversational Exploratory Search via Interactive Storytelling

Svitlana Vakulenko, Ilia Markov+1 more|arXiv (Cornell University)|Sep 15, 2017

Speech and dialogue systems参考文献 20被引用 9

一句话总结

本文提出通过互动叙事实现对话式探索性搜索，其中对话系统通过动态构建和导航基于叙事的路径，引导用户浏览文档集合。通过将知识转化为故事，并借助自然语言实现用户驱动的导航，该方法支持在陌生领域中的直观探索，其关键贡献在于基于叙事的知识传递与开放性搜索场景下的对话设计。

ABSTRACT

Conversational interfaces are likely to become more efficient, intuitive and engaging way for human-computer interaction than today's text or touch-based interfaces. Current research efforts concerning conversational interfaces focus primarily on question answering functionality, thereby neglecting support for search activities beyond targeted information lookup. Users engage in exploratory search when they are unfamiliar with the domain of their goal, unsure about the ways to achieve their goals, or unsure about their goals in the first place. Exploratory search is often supported by approaches from information visualization. However, such approaches cannot be directly translated to the setting of conversational search. In this paper we investigate the affordances of interactive storytelling as a tool to enable exploratory search within the framework of a conversational interface. Interactive storytelling provides a way to navigate a document collection in the pace and order a user prefers. In our vision, interactive storytelling is to be coupled with a dialogue-based system that provides verbal explanations and responsive design. We discuss challenges and sketch the research agenda required to put this vision into life.

研究动机与目标

• 为解决当前对话式搜索系统存在的局限性，这些系统聚焦于问答任务，却无法在陌生领域中支持开放式探索。
• 提出互动叙事作为一种新型交互范式，使用户能够以自己的节奏和语义上有意义的方式探索文档集合。
• 弥合信息可视化技术（在非对话式环境中有效）与对话式界面之间的差距，尤其是在移动平台上的应用。
• 通过利用叙事结构和响应式对话系统，支持探索性搜索中的知识传递与意外发现。
• 建立计算叙事智能在对话式人工智能中的研究议程，重点关注可扩展且认知可持续的故事生成。

提出的方法

• 将文档集合转化为支持故事生成的结构化知识模型，其中故事代表数据中连贯且可导航的路径。
• 采用作为引导者的对话系统，提供口头解释，并根据用户输入和偏好调整故事的推进。
• 使用自然语言生成技术，从预结构化的知识中动态组合故事，实现响应式且上下文感知的叙述。
• 利用预训练词嵌入和组合表示方法，将故事生成扩展至更大、更复杂的领域。
• 设计包含阅读器（Reader）、作曲者（Composer）和引导者（Guide）组件的模块化架构，以协调用户、故事空间与知识模型之间的交互。
• 应用认知原则，平衡故事的构建与遍历，最小化认知负荷，同时最大化信息获取量。

实验结果

研究问题

• RQ1 如何有效将互动叙事整合到对话式搜索中，以支持在陌生领域中的探索性搜索？
• RQ2 哪些设计原则可确保在规模和复杂性不断增加的情况下，故事构建保持认知可持续性和高效性？
• RQ3 系统如何在叙事连贯性与用户驱动的导航之间取得平衡，避免线性、僵化的遍历方式？
• RQ4 可采用哪些指标来评估对话式探索性搜索中成功知识传递与用户学习成果？
• RQ5 如何扩展或改编现有对话数据集，以支持对探索性搜索中互动叙事的评估？

主要发现

• 互动叙事为对话式探索性搜索中的传统信息可视化提供了一种可行的替代方案，尤其适用于移动和语音交互界面。
• 该方法使用户能够通过反映其兴趣和认知节奏的叙事路径探索文档集合，减轻了查询构建的负担。
• 现有对话数据集在评估探索性浏览行为和知识传递方面存在不足，凸显了研究生态中的关键缺口。
• 将互动叙事扩展至大型知识图谱仍是一项重大挑战，尤其是在保持叙事连贯性和高效遍历方面。
• 评估对话式探索性搜索的成功需采用新的评价标准，聚焦于学习成果和用户满意度，而不仅仅是检索准确率。
• 将自然语言生成与知识模型相结合，可实现动态、响应式的叙事，支持意外发现与领域理解。