[论文解读] Conversational Search -- A Report from Dagstuhl Seminar 19461

Avishek Anand, Lawrence Cavedon+4 more|arXiv (Cornell University)|May 18, 2020

Information Retrieval and Search Behavior参考文献 3被引用 5

一句话总结

本文报告了第19461期达克斯图尔研讨会（Dagstuhl Seminar 19461）关于对话式搜索的成果，汇聚了来自信息检索（IR）、自然语言处理（NLP）、人机交互（HCI）和对话系统领域的44位研究人员，共同制定了对话式搜索的研究议程。研讨会形成了涵盖定义、评估、建模、解释、场景、应用和原型设计的全面路线图，关键贡献包括提出一种学术对话式助手系统，并整理了一份基础知识精选阅读清单。

ABSTRACT

Dagstuhl Seminar 19461 "Conversational Search" was held on 10-15 November 2019. 44~researchers in Information Retrieval and Web Search, Natural Language Processing, Human Computer Interaction, and Dialogue Systems were invited to share the latest development in the area of Conversational Search and discuss its research agenda and future directions. A 5-day program of the seminar consisted of six introductory and background sessions, three visionary talk sessions, one industry talk session, and seven working groups and reporting sessions. The seminar also had three social events during the program. This report provides the executive summary, overview of invited talks, and findings from the seven working groups which cover the definition, evaluation, modelling, explanation, scenarios, applications, and prototype of Conversational Search. The ideas and findings presented in this report should serve as one of the main sources for diverse research programs on Conversational Search.

研究动机与目标

• 建立对话式搜索作为信息检索范式转变的共同理解，推动超越传统查询-响应模型的发展。
• 识别对话式搜索系统在交互性、用户建模、评估和解释方面面临的核心挑战。
• 为聚焦于对话式搜索的跨学科研究社区制定研究路线图，涵盖多模态和多用户场景。
• 基于真实世界数据和用户需求，开发一个原型系统——具体为学术对话式助手。
• 整理基础阅读清单，并为未来该领域研究推荐工具、数据集和伦理考量。

提出的方法

• 举办为期5天的跨学科研讨会，邀请44位来自信息检索（IR）、自然语言处理（NLP）、人机交互（HCI）和对话系统领域的研究人员，从多重视角探讨对话式搜索。
• 通过会前调查收集关于理想系统、开放挑战和核心阅读材料的意见，用于指导工作组的组建。
• 设立七个工作组，分别聚焦于：定义、评估、建模、解释、场景、学习应用和原型设计。
• 提出一种学术对话式助手系统，整合个人知识图谱、语音识别技术，以及来自arXiv、ACL Anthology和ORKG等来源的语义数据。
• 采用模块化架构设计原型，支持云端和客户端数据存储，强调用户控制与隐私保护。
• 推荐开源平台（如Macaw、TIRA）、工具（如ArXivDigest、GrapAL）和数据集（如Semantic Scholar、dblp）用于系统开发。

实验结果

研究问题

• RQ1 什么样的系统可被定义为‘对话式搜索’系统？如何在不同模态和用户情境下对其进行形式化定义？
• RQ2 如何有效评估对话式搜索系统，特别是当用户交互涉及论证、澄清或辩论时？
• RQ3 需要何种建模方法来表示用户意图、上下文以及在多轮对话中不断演变的信息需求？
• RQ4 如何将解释与论证机制整合到对话式搜索中，以提升透明度和用户信任？
• RQ5 在构建适用于学术和现实世界场景的可扩展、隐私保护型对话式搜索系统时，面临哪些关键技术、伦理和操作挑战？

主要发现

• 达成共识：对话式搜索涉及动态的多轮交互，用户与系统通过对话共同构建信息需求。
• 对话式搜索的评估必须超越准确率与召回率，纳入对话连贯性、澄清有效性及论证质量等指标。
• 用户意图与上下文的建模需要整合用户模型、个人知识图谱以及跨会话和多模态的上下文记忆。
• 对话式搜索中的解释应具备交互性与可解释性，尤其在呈现基于用户数据生成的意见或推荐时。
• 所提出的学术对话式助手原型整合了多个数据源（如arXiv、ACL Anthology、ORKG），支持在线与离线运行，并具备隐私保护机制。
• 关键挑战包括保障数据隐私、管理用户参与激励机制，以及在共享研究环境中确保系统稳定性与可复现性。