5-9 juin 2023 PARIS (France)
Augmentation de jeux de données RI pour la recherche conversationnelle à initiative mixte
Pierre Erbacher  1@  , Philippe Preux  2@  , Jian-Yun Nie  3@  , Laure Soulier  1, *@  
1 : Institut des Systèmes Intelligents et de Robotique
Centre National de la Recherche Scientifique, Sorbonne Université, Centre National de la Recherche Scientifique : UMR7222
2 : INRIA Scool Team
University of Lille, 59655 Villeneuve d'Ascq
3 : Montreal University
* : Auteur correspondant

Une des particularités des systèmes de recherche conversationnelle est qu'ils impliquent des initiatives mixtes telles que des questions de clarification des requêtes générées par le système pour mieux comprendre le besoin utilisateur. L'évaluation de ces systèmes à grande échelle sur la tâche finale de RI est très difficile et nécessite des ensembles de données adéquats contenant de telles interactions. Cependant, les jeux de données actuels se concentrent uniquement sur les tâches traditionnelles de RI ad hoc ou sur les tâches de clarification de la requête. Pour combler cette lacune, nous proposons une méthodologie pour construire automatiquement des ensembles de données de RI conversationnelle à grande échelle à partir d'ensembles de données de RI ad hoc afin de faciliter les explorations sur la RI conversationnelle. Nous effectuons une évaluation approfondie montrant la qualité et la pertinence des interactions générées pour chaque requête initiale. Cet article montre la faisabilité et l'utilité de l'augmentation des ensembles de données de RI ad-hoc pour la RI conversationnelle.


Personnes connectées : 3 Vie privée
Chargement...