InterQuest：用于会话搜索中动态用户兴趣建模的混合主动式框架

DOI

在在线信息寻求任务（例如产品和餐厅）中，用户寻求符合其个人偏好的信息以做出明智的决定。然而，现有系统通常难以推断用户的隐性兴趣——未明确表述但直接影响决策质量的关键偏好因素。我们的形成性研究表明，以用户为中心的知识——用户跨任务持续的偏好属性（例如“用户关注电子产品的功能细节”）——是解决用户隐性兴趣的关键指标。然而，仅从任务特定数据构建这种知识是不够的，因为三种类型的不确定性——冷启动限制、内容准确性和范围适用性——需要用户提供信息以进行知识校准。基于这些见解，我们提出了 InterQuest，这是一个动态建模用户兴趣的基于LLM的会话搜索代理。InterQuest 结合两种策略：（1）动态用户知识建模，推断和调整以用户为中心的知识的内容和范围；（2）不确定性驱动提问，其中 InterQuest 主动提问以解决知识不确定性。包含18名参与者的用户研究表明，InterQuest 在用户兴趣推断、用户知识建模准确性和整体信息寻求体验方面优于基线。此外，我们的发现为改进未来系统中混合主动式用户建模提供了有价值的设计启示。