Conversational Information Retrieval and Recommender Systems

Das rasche Wachstum von Konversationsagenten hat die Art und Weise revolutioniert, wie Nutzer Informationen suchen und Empfehlungen erhalten, wovon verschiedene Nutzergruppen profitieren. Dieses Kapitel vertieft die Komplexität der Wiederherstellung von Gesprächsinformationen (CIR) und der Empfehlungssysteme für Gespräche (CRS), wobei Herausforderungen wie der Umgang mit komplexen natürlichen Sprachstrukturen und die Aufrechterhaltung des Konversationskontextes behandelt werden. Es untersucht die historische Entwicklung von CIR und CRS, hebt Gemeinsamkeiten und Unterschiede hervor und fördert die Zusammenarbeit zwischen Informationsgewinnung und Empfehlungssystemen. Das Kapitel stellt den Conversational Agents Framework for Evaluation (CAFE) vor, der Konversationsagenten als ganzheitliche Einheiten bewertet und traditionelle Dichotomien überwindet. Es umfasst die Suche nach Gesprächen, wobei der Schwerpunkt auf aufgabenorientierten Agenten und den jüngsten Fortschritten bei Large Language Models (LLMs) und Retrieval Augmented Generation (RAG) liegt. Darüber hinaus werden Konversationsempfehlungen diskutiert, wobei der Schwerpunkt auf Personalisierung und Techniken zur Benutzermodellierung gelegt wird. Das Evaluierungsmodul stellt CAFE vor, eine gemeinsame Anstrengung von IR-, RS- und NLP-Gemeinschaften, die ein umfassendes Evaluierungsprotokoll für integrierte Gesprächspartner bereitstellt. Praxisbeispiele und Szenarien aus der Praxis veranschaulichen die Anwendung dieser Konzepte und machen dieses Kapitel zu einer unverzichtbaren Lektüre für jeden, der sich für die Zukunft von Konversationssystemen interessiert.