---
title: "對話式檢索（Conversational Search）"
slug: conversational-search
language: zh-TW
source: https://aiterms.tw/terms/conversational-search
updated_at: 2026-06-23
tags: [對話系統, 檢索增強, 自然語言處理, AI應用]
ipas_term: false
---

# 對話式檢索（Conversational Search）

在對話上下文中進行信息檢索，系統理解多輪對話的意圖和指代，提供上下文感知的搜尋結果。

## 完整說明

對話式檢索是一種互動式的信息檢索方式，使用者通過自然語言對話而非單次查詢與系統交互。系統在檢索過程中保持多輪對話的上下文，理解用戶在不同輪次中的指代、隱含意圖和需求變化，提供動態調整的搜尋結果。與傳統一次性查詢模式相比，對話式檢索允許用戶漸進地精化需求，並在對話過程中獲得相關反饋。

## 常見問題

### 如何處理對話中的指代消解（如『那個』『它』）？

指代消解是對話理解的核心技術。常見的方法包括規則式和神經式兩類。規則式方法基於句法和語法規則，例如尋找最近的名詞短語作為代詞的指代。神經式方法訓練深度學習模型，將代詞和其指代對象編碼，通過相似度計算進行匹配。在實踐中，結合兩種方法效果最好。此外，系統應該在指代消解不確定時明確告知用戶（「您剛才提到的 X，是指第一個還是第二個？」），而不是盲目假設。

### 對話式檢索系統應該保留多少對話歷史？

這取決於應用場景。在短期對話（如購物助手）中，通常保留最近的 5 到 10 輪對話足夠；在長期對話（如研究助手）中，可能需要保留更長的歷史。技術上，可以使用滑動窗口截斷超長歷史，或使用摘要技術對久遠的歷史進行壓縮，再送入模型。還可以使用注意力機制，讓模型自動決定哪些歷史內容相關。最實用的方法是結合用戶偏好和反饋進行動態調整。

### 如何確保對話式檢索系統的回答相關性？

首先在離線評估階段，使用標註的對話資料集（如 CoQA、TREC CAsT）進行評估，使用相關性指標如 NDCG、MRR 等。其次在線上，通過用戶反饋信號（如點擊、駐留時間、明確的「有幫助/沒幫助」反饋）監控系統性能。此外，定期進行人工評估抽樣對話，識別系統的失敗模式。最後，建立快速迭代機制，根據失敗案例調整檢索策略、查詢改寫模型或重排模型。

---

來源：https://aiterms.tw/terms/conversational-search
快查頁：https://aiterms.tw/terms/conversational-search
最後更新：2026/06/23
深度解說：https://aiterms.tw/learning/what-is-conversational-search