Conversational search : from Information retrieval to retrieval-augmented generation
Abstract
La recherche conversationnelle s'intéresse à faire une recherche d'information suivant une séquence d'interactions entre les utilisateurs et un système d'information. Les systèmes de recherche conversationnelle existants reposent principalement sur le dialogue en langage naturel, qui offre une interface interactive flexible permettant de satisfaire les besoins d'information complexes des utilisateurs. Contrairement aux systèmes de recherche ad-hoc traditionnels — où l'entrée est une requête par mots-clés et le résultat retourné consiste en ``dix liens bleus'', un système de recherche conversationnelle exige de comprendre l'évolution de l'intention de recherche de l'utilisateur au fil des conversations en cours, ainsi que d'effectuer une recherche d'information et une génération augmentée de recherche (Retrieval-Augmented Generation) pour fournir une réponse finale à l'utilisateur. Dans cette thèse, nous nous efforçons d'améliorer les performances du système de recherche conversationnelle en développant diverses approches traitant différents problèmes sous-jacents. Nous étudions d'abord la compréhension de l'intention de recherche de l'utilisateur lors d'interactions multi-tours entre l'humain et le système par la reformulation de requêtes conversationnelles. Ensuite, nous modélisons le contexte historique pour faciliter la recherche dense conversationnelle sensible à l'historique (history-aware), dans le but d'améliorer les résultats de recherche. Une fois l'information…
Read the paper
Related studies
- Knowledge Management Perspective of Generative Artificial Intelligence
- Navigating Generative Artificial Intelligence Promises and Perils for Knowledge and Creative Work
- Characterizing the evolving research on enterprise content management
- Large language models and multimodal foundation models for precision oncology
- From Generative AI to Extended Reality: Multidisciplinary Perspectives on the Challenges, Opportunities, and Future of Educational Computing
- Generative Artificial Intelligence: A New Engine for Advancing Environmental Science and Engineering
Go deeper in Evidence Hub
Evidence Hub adds a study data sheet (design, sample size, evidence level, key numbers), an AI summary and a chat grounded in the paper's text.