[2019] Asking Clarifying Questions in Open-Domain Information-Seeking Conversations

[IkokObi]

ざっくり言うと

• ユーザからのクエリが曖昧で検索結果が絞りきれない場合に，ユーザの意図を絞り込むのに適切な質問を行うという研究
• 新たにベンチマークタスクを作成・公開（Qulacという名称）
• 評価を自動で行えるように絞り込み用の質問のプールを作成しているため，質問を生成するわけではない

キーワード

• IR
• clarifying question
• query suggestion

1. 情報

論文リンク

https://dl.acm.org/citation.cfm?id=3331265

著者

Mohammad Aliannejadi, Hamed Zamani, Fabio Crestani, W. Bruce Croft

投稿日付

2019/7/21-25 (SIGIR 2019)

2. 先行研究と比べてどこがすごい？

• 推薦の文脈ではなく，検索の文脈で絞り込むような質問を提示するというアプローチを調べた点
• 分野が進むようにデータセットを作成・公開した点

3. 技術や手法のキモはどこ？

• ユーザのクエリを受けて，3段階を繰り返すようなモデルを設計
  1. ユーザの意図を絞り込むための「質問」を検索
  2. 検索してきた質問の中から最も適切なものを選択
  3. 質問の返答も考慮して，「文書」を検索

4. どうやって有効だと検証した？

• TREC Web track 09-12のデータセットをもとにして新しくデータセットを作成
• 198のトピック，762のfacets(サブトピックのようなもの)が存在
• 合計2,639の質問と，10,277件の質問-返答ペアを作成

5. 議論はある？

• データセットの質問が事前に作成されている点
• 今回の論文では，質問を中断して検索を表示するところには踏み込んでいない

6. 次に読むべき論文は？

• Document Language Models, Query Models, and Risk Minimization for Information Retrieval
  • John Lafferty, Chengxiang Zhai
  • https://dl.acm.org/citation.cfm?id=383970
  • 2001/9/9-12 (SIGIR 2001)
  • 文書検索でベースとして用いたモデル
• Standard Deviation as a Query Hardness Estimator
  • Joaquín Pérez-Iglesias and Lourdes Araujo
  • 2010
  • https://link.springer.com/chapter/10.1007/978-3-642-16321-0_21
  • 質問の良さを推定するモデル(query performance predictor)
  • どうやら本の模様

[IkokObi]

7. 実装の詳細

3. に記載したように，主に3ステップから成る．

Question Retrieval Model

• ユーザのクエリ(t)と候補となる質問文(q)をそれぞれBERTでベクトル化し，関連しているか否かの2値分類器を学習
• BERTはWikipediaの事前学習 + 今回作成したデータセットの文書で3epoch，fine-tuningしている
• データセット作成の過程で関連する質問が分かっているので，それを予測する形で学習

Question Selection Model

• ユーザのクエリ(t)，それまでの質問&返答の履歴(h)，候補の質問(q)を元にして，それぞれのqのスコアを計算し，最も高いものがユーザの意図を絞り込むための質問として提示される
• BERTの[CLS]トークンのベクトルや，「6. 次に読むべき論文は？」の2番目の引用にあるσ QPPモデルの出力を元に，2そうの全結合ネットワークでスコアを計算

Document Retrieval Model

• 「6. 次に読むべき論文は？」の1番目の引用にある言語モデルベースの検索モデルを利用

[IkokObi]

8. データセット

• TREC Web track 09-12のデータセットをもとにして新しくデータセットを作成しているため，データセットの作成を工夫している

1. Web trackのデータを元にして，topic(queryとも表現される)とfacets(sub-topicに相当)を決める
2. クラウドソーシングでtopicを検索してもらい，質問候補を集める
3. 質問がfacetに対応するか否かを判断
4. 上の3手順で作成された "query-facet-question" の3つ組に対する答えをクラウドソーシングで集める

[IkokObi]

9. 結果の詳細

• question retrieval の部分と，question selectionの性能について検証している．
• question retrieval については，関連する質問候補を拾えているかを重視（recall重視）
• question selectionについては，絞り込みの質問を行なった結果，検索結果がどれだけ改善したかを調べている

[IkokObi]

雑感&メモ

• ユーザからの最初の検索ワードはtopicから始まっており，ちょっと人工的なタスクという印象
• 評価を自動で行うために，質問候補を事前に決めている設定になっているが，ここを柔軟に設計出来るようにしたい（ただ，評価が難しくなる...）
• 著者のW. Bruce Croftさんは結構な大御所