对话助手可以理解多个上下文后续查询从而使用户能够进行更自然的对话。显示屏底部出现的短语是用户可以选择的后续问题的建议。但是用户仍然可以提出不同的问题。各种上下文查询传统上自然语言处理领域不太强调上下文的通用方法而是注重对完全指定的独立查询的理解。准确合并上下文是一个具有挑战性的问题特别是在考虑多种上下文查询类型时。下表包含示例对话这些对话说明了查询可变性以及的改写方法可以解决的一些上下文挑战例如区分引用和非引用案例或识别查询引用的上下文。我们演示了现在如何能够重新表述后续查询在提供答案之前添加上下文信息。
系统架构在较高层面上改述系统通过使用不同类型的候选生成器来生成改述候选。然后根据多个信号对每个改写候选者进行评分并选择得分最高的一个。上下文重写器的高级架构。候选人一代为了生 巴拉圭电子邮件列表 成改写候选者我们使用了应用不同技术的混合方法我们将其分为三类基于查询语言结构分析的生成器使用语法和形态规则来执行特定操作例如用上下文中的先行词替换代词或其他类型的指称短语。基于查询统计信息的生成器结合当前查询及其上下文中的关键术语以创建与历史数据或常见查询模式中的流行查询相匹配的候选项。基于技术的生成器例如可以根据大量训练样本学习生成单词序列。
和是适合输入和输出文本之间高度重叠的任务的技术推理时间非常快并且不易产生幻觉即生成与输入文本无关的文本。一旦提出查询及其上下文他们就可以生成一系列文本编辑通过指示应保留上下文的哪些部分以及应修改哪些单词将输入查询转换为改写候选者。候选人评分我们为每个改写候选者提取许多信号并使用模型来选择最有希望的候选者。一些信号仅取决于当前查询及其上下文。例如当前查询的主题与上一个查询的主题是否相似或者当前查询是一个很好的独立查询还是看起来不完整其他信号取决于候选者本身候选者保留了多少上下文信息从语言的角度来看候选人的结构是否良好。