实现信息检索的最优对话策略：结合开放式与封闭式问题

对话界面作为信息检索系统的新兴范式为交互式缩小用户信息查询范围并改善搜索结果提供了新机会。先前研究主要集中于使用封闭式问题集（如决策树）来学习用户的搜索目标。然而，当存在大量待检索文档或项目时，仅依靠封闭式问题会导致冗长且不理想的对话。我们提出了一个自适应对话策略框架，通过在最佳时机引入开放式问题来缩短对话长度。我们提出了一种估算开放式问题信息增益的方法，并在每个对话轮次中将其与封闭式问题的信息增益进行比较，以决定提出何种问题。我们使用多个合成数据集进行了实验，以探索这种自适应对话策略在不同环境下的行为，并将系统性能与仅使用决策树的策略进行了比较。