对话式信息检索：从搜索到交互的未来

在伦敦大学学院计算机科学教授、某机构学者Emine Yilmaz看来，未来用户将通过对话与计算机交互来精确识别所需信息，而非滚动浏览冗长的结果列表。

多年来，Emine Yilmaz一直深度参与欧洲信息检索会议（ECIR）。她曾担任2020年会议的程序委员会联合主席和2017年的博士联盟联合主席，今年，她是评选会议时间检验奖获奖者的委员会成员。

她表示，最近注意到ECIR社区对对话式信息检索（即使用多轮对话来优化查询）的兴趣日益浓厚。

“对话式信息检索是一个正在慢慢兴起的领域。” Yilmaz说，“如何构建一个能与用户协同工作的交互式系统？又如何让这类系统具备潜在的主动性？我认为这些问题正变得越来越重要。”

在某机构，Yilmaz与Alexa Shopping团队合作，对话式信息检索是该团队的核心研究课题。传统的基于网页的搜索引擎通常会返回一个结果列表，用户只需从中选择最感兴趣的一两个。但很少有语音服务用户愿意听完10到20个结果的播报，因此，能够交互式地优化查询变得至关重要。

Yilmaz解释说，短期内，“主要焦点是预测用户满意度。我们观察用户与Alexa的互动，看行为如何演变。基于此，我们尝试检测或预测用户交互是否令人满意。”

尝试预测用户满意度的原因之一是，语音交互产生的数据比基于网页的交互少。点击传统搜索引擎返回的20个结果中的两个链接，不仅传达了关于这两个链接的信息，也隐含了对其余18个链接的反馈。而如果基于语音的查询只返回一个结果，用户决定是否与该结果互动所能提供的信息量就少得多。预测用户对未接触到的查询结果的满意度有助于填补这些信息空白。

探索、利用、评估

但Yilmaz解释说，预测用户满意度还有其他用途。“假设你正在Beta测试一项新功能，你必须决定是否向用户展示它，”她说，“这里存在一个两难境地。你不想把它展示给太多用户，因为它可能是个不好的功能，你不想影响用户满意度和用户体验。另一方面，你需要把它展示给足够多的用户，以获得对其质量的可靠评估。所以，你应该把它展示给一个有针对性的一小部分用户，并理想地通过使用非常有限的数据集来识别用户是否会对其满意。”

Yilmaz解释道，预测用户满意度也有助于评估对话式信息检索系统。“作为用户，你不会想到评估这类系统的重要性，”她说，“但归根结底，如果你的目标是构建一个更好的对话式信息检索系统，你需要能够量化‘更好的系统’意味着什么。目前，还没有一个与用户满意度高度相关、专门为对话式信息检索设计、可供人们优化的良好指标。”

当然，最终目标是构建一个更好的对话式信息检索系统。

“我认为这就是该领域的发展方向，”Yilmaz说，“系统会根据其对用户需求的理解，尽其所能地提供服务，并且在不确定时提出问题。” 在信息检索领域，Yilmaz说，“有很多关于系统如何提出澄清问题以改善其可提供支持的研究。也有关于系统如何在响应用户的同时提供解释的研究。模型可能会说，‘我推荐这家餐厅是因为我认为你喜欢川菜。’用户可能会说，‘嗯，我现在不想吃川菜，我想吃意大利面。’在过去的几年里，大量研究致力于构建这样的系统，但我们仍处于非常初期的阶段。”FINISHED