AdaCQR: Enhancing Query Reformulation for Conversational Search via Sparse and Dense Retrieval Alignment

要約

会話型検索（CQR：Conversational Query Reformulation）は、会話型検索の課題、特にユーザーの潜在的な意図や過去の文脈の必要性に起因する課題に対処するために大きく進歩してきた。最近の研究は、アラインメントによってCQRの性能を高めることを目的としている。しかし、それらはある特定の検索システムのために設計されており、最適な汎化ができない可能性がある。この限界を克服するために、我々は新しいフレームワークAdaCQRを提案する。AdaCQRは、用語ベース検索システムと意味ベース検索システムの両方に対応した再定式化モデルをアラインメントすることで、2段階の学習戦略を通じて、多様な検索環境における情報探索クエリの汎化性を向上させる。さらに、優れたラベルと多様な入力候補を得るための2つの効果的なアプローチを提案し、フレームワークの効率性と頑健性を高める。TopiOCQAとQReCCデータセットを用いた実験結果は、AdaCQRがより効率的なフレームワークにおいて既存手法を凌駕し、会話型クエリ再定式化において定量的・定性的な改善を提供することを示している。

要約(オリジナル)

Conversational Query Reformulation (CQR) has significantly advanced in addressing the challenges of conversational search, particularly those stemming from the latent user intent and the need for historical context. Recent works aimed to boost the performance of CQR through alignment. However, they are designed for one specific retrieval system, which potentially results in sub-optimal generalization. To overcome this limitation, we present a novel framework AdaCQR. By aligning reformulation models with both term-based and semantic-based retrieval systems, AdaCQR enhances the generalizability of information-seeking queries among diverse retrieval environments through a two-stage training strategy. Moreover, two effective approaches are proposed to obtain superior labels and diverse input candidates, boosting the efficiency and robustness of the framework. Experimental results on the TopiOCQA and QReCC datasets demonstrate that AdaCQR outperforms the existing methods in a more efficient framework, offering both quantitative and qualitative improvements in conversational query reformulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL