論文の概要: User Intent Inference for Web Search and Conversational Agents

• arxiv url: http://arxiv.org/abs/2005.13808v2
• Date: Wed, 8 Jul 2020 16:13:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-27 05:38:28.288727
• Title: User Intent Inference for Web Search and Conversational Agents
• Title（参考訳）: Web検索と会話エージェントのためのユーザインテント推論
• Authors: Ali Ahmadvand
• Abstract要約: 1)会話エージェントに対する発話トピックと意図の分類 2) Web検索エンジンに対する質問意図のマイニングと分類。 最初の話題に対処するために,ユーザの発話の話題と意図の両方を予測するために,エンティティ情報と会話内容の手がかりを組み込む新しいモデルを提案した。 第2の研究テーマとして,Web検索意図予測における工法の現状をeコマース領域に拡張する計画を立てる。
• 参考スコア（独自算出の注目度）: 3.9400263964632836
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: User intent understanding is a crucial step in designing both conversational agents and search engines. Detecting or inferring user intent is challenging, since the user utterances or queries can be short, ambiguous, and contextually dependent. To address these research challenges, my thesis work focuses on: 1) Utterance topic and intent classification for conversational agents 2) Query intent mining and classification for Web search engines, focusing on the e-commerce domain. To address the first topic, I proposed novel models to incorporate entity information and conversation-context clues to predict both topic and intent of the user's utterances. For the second research topic, I plan to extend the existing state of the art methods in Web search intent prediction to the e-commerce domain, via: 1) Developing a joint learning model to predict search queries' intents and the product categories associated with them, 2) Discovering new hidden users' intents. All the models will be evaluated on the real queries available from a major e-commerce site search engine. The results from these studies can be leveraged to improve performance of various tasks such as natural language understanding, query scoping, query suggestion, and ranking, resulting in an enriched user experience.
• Abstract（参考訳）: ユーザー意図の理解は、会話エージェントと検索エンジンの両方を設計する上で重要なステップである。 ユーザの発話やクエリは短く、曖昧で、コンテキストに依存しているため、ユーザ意図の検出や推論は難しい。 これらの研究課題に対処するために、私の論文は以下に焦点を当てています。 1)会話エージェントの発話トピックと意図分類 2)eコマース分野に着目したWeb検索エンジンの検索意図のマイニングと分類を行う。 最初のトピックに対処するために、エンティティ情報と会話コンテキストの手がかりを組み込んだ新しいモデルを提案し、ユーザの発話の話題と意図の両方を予測する。 第2の研究テーマは、web検索意図予測における既存の技術メソッドを、次のとおりeコマースドメインに拡張することです。 1)検索クエリの意図と関連する製品カテゴリを予測する共同学習モデルの構築。 2)新しい隠れユーザの意図を明らかにする。 すべてのモデルは、主要なeコマースサイト検索エンジンから入手可能な実際のクエリで評価される。 これらの研究の成果は、自然言語理解、クエリスコーピング、クエリ提案、ランキングなど、様々なタスクのパフォーマンスを改善するために利用することができ、結果としてユーザーエクスペリエンスが強化される。

関連論文リスト

• QUIDS: Query Intent Generation via Dual Space Modeling [12.572815037915348]
  本稿では,検索意図の理解を説明するために,返却文書における意味的関連性および無関係情報を利用する二重空間モデルを提案する。 提案手法は高品質な問合せインテント記述を生成し,既存の手法と最先端の問合せベース要約手法を比較検討する。
  論文  参考訳（メタデータ） (2024-10-16T09:28:58Z)
• Using LLMs to Investigate Correlations of Conversational Follow-up Queries with User Satisfaction [32.32365329050603]
  そこで本稿では,会話検索エンジンNaver Cueから18人のユーザのフォローアップクエリパターンの分類法を提案する。 クエリ修正に関する既存の文献と比較して、フォローアップクエリの背後にある新たなモチベーションとアクションが明らかになった。 最初の結果から,Clarifying Queries, Excluding Condition, Substitutioning Condition with follow-up queryなど,いくつかの不満のシグナルが示唆された。
  論文  参考訳（メタデータ） (2024-07-18T05:10:35Z)
• Unified Dual-Intent Translation for Joint Modeling of Search and Recommendation [44.59113848489519]
  We propose a novel model named Unified Dual-Intents Translation for joint modeling of Search and Recommendation (UDITSR)。 ユーザの推奨する要求意図を正確にシミュレートするために,検索データからの実際のクエリを監視情報として利用し,その生成をガイドする。 大規模な実験では、UDITSRは検索とレコメンデーションの両方においてSOTAベースラインを上回っている。
  論文  参考訳（メタデータ） (2024-07-01T02:36:03Z)
• Social Commonsense-Guided Search Query Generation for Open-Domain Knowledge-Powered Conversations [66.16863141262506]
  本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。 提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
  論文  参考訳（メタデータ） (2023-10-22T16:14:56Z)
• Graph Enhanced BERT for Query Understanding [55.90334539898102]
  クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。 近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。 本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
  論文  参考訳（メタデータ） (2022-04-03T16:50:30Z)
• Query Understanding via Intent Description Generation [75.64800976586771]
  問合せ理解のためのQ2ID(Query-to-Intent-Description)タスクを提案する。 クエリとその記述を利用してドキュメントの関連性を計算する既存のランキングタスクとは異なり、Q2IDは自然言語のインテント記述を生成するための逆タスクである。 Q2IDタスクにおける複数の最先端生成モデルとの比較により,本モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2020-08-25T08:56:40Z)
• Deep Search Query Intent Understanding [17.79430887321982]
  本稿では,検索の異なる段階における問合せ意図をモデル化するための総合的な学習フレームワークの提供を目的とする。 我々は,1) 文字レベルモデルを用いたタイプアヘッド検索において,入力したユーザの意図をオンザフライで予測すること,2) 完全クエリのための正確な単語レベルの意図予測モデルに焦点をあてる。
  論文  参考訳（メタデータ） (2020-08-15T18:19:56Z)
• Query Intent Detection from the SEO Perspective [0.34376560669160383]
  ユーザクエリの意図を,Googleの結果と機械学習の手法を利用して識別することを目的としている。 クラスタ化されたクエリから抽出されたキーワードのリストは、与えられた新しいクエリの意図を特定するために使用される。
  論文  参考訳（メタデータ） (2020-06-16T13:08:29Z)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)
• Conversations with Search Engines: SERP-based Conversational Response Generation [77.1381159789032]
  我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。 また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。 CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
  論文  参考訳（メタデータ） (2020-04-29T13:07:53Z)
• IART: Intent-aware Response Ranking with Transformers in Information-seeking Conversation Systems [80.0781718687327]
  我々は、情報探索会話におけるユーザ意図パターンを分析し、意図認識型ニューラルレスポンスランキングモデル「IART」を提案する。 IARTは、ユーザ意図モデリングと言語表現学習とTransformerアーキテクチャの統合の上に構築されている。
  論文  参考訳（メタデータ） (2020-02-03T05:59:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。