論文の概要: On the Social and Technical Challenges of Web Search Autosuggestion
Moderation
- arxiv url: http://arxiv.org/abs/2007.05039v1
- Date: Thu, 9 Jul 2020 19:22:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 21:05:13.967692
- Title: On the Social and Technical Challenges of Web Search Autosuggestion
Moderation
- Title(参考訳): Web検索オートサジェクション・モデレーションの社会的・技術的課題について
- Authors: Timothy J. Hazen and Alexandra Olteanu and Gabriella Kazai and
Fernando Diaz and Michael Golebiewski
- Abstract要約: 自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。
現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。
問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
- 参考スコア(独自算出の注目度): 118.47867428272878
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Past research shows that users benefit from systems that support them in
their writing and exploration tasks. The autosuggestion feature of Web search
engines is an example of such a system: It helps users in formulating their
queries by offering a list of suggestions as they type. Autosuggestions are
typically generated by machine learning (ML) systems trained on a corpus of
search logs and document representations. Such automated methods can become
prone to issues that result in problematic suggestions that are biased, racist,
sexist or in other ways inappropriate. While current search engines have become
increasingly proficient at suppressing such problematic suggestions, there are
still persistent issues that remain. In this paper, we reflect on past efforts
and on why certain issues still linger by covering explored solutions along a
prototypical pipeline for identifying, detecting, and addressing problematic
autosuggestions. To showcase their complexity, we discuss several dimensions of
problematic suggestions, difficult issues along the pipeline, and why our
discussion applies to the increasing number of applications beyond web search
that implement similar textual suggestion features. By outlining persistent
social and technical challenges in moderating web search suggestions, we
provide a renewed call for action.
- Abstract(参考訳): 過去の研究では、ユーザは書き込みや探索タスクでそれをサポートするシステムから恩恵を受けている。
web 検索エンジンのautosuggestion 機能は,このようなシステムの例だ。ユーザが入力する提案のリストを提供することで,クエリの定式化を支援するものだ。
自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。
このような自動化手法は、偏見、人種差別、セクシスト、その他の方法で不適切である問題を引き起こす。
現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。
本稿では,問題のある自己提案を識別し,検出し,対処する原型パイプラインに沿って探索されたソリューションを網羅することによって,過去の取り組みと,ある問題がまだ行き詰まる理由を考察する。
その複雑さを示すために、問題のある提案のいくつかの次元、パイプラインに沿った難しい問題、および同様のテキストの提案機能を実装するweb検索以外のアプリケーションの増加に、なぜ私たちの議論が適用されるのかを議論する。
ウェブ検索をモデレートする上での社会的・技術的な課題を概説することにより、新たな行動を呼び起こす。
関連論文リスト
- Classification, Challenges, and Automated Approaches to Handle
Non-Functional Requirements in ML-Enabled Systems: A Systematic Literature
Review [11.92906679868436]
非機能要件は、機械学習の巨大なポテンシャルを脅かす。
本稿では,3つの重要な側面を対象とする体系的な文献レビューを提案する。
調査では、30の異なる非機能要件を特定し、6つの主要なクラスに分類できる。
さらなる研究が考慮すべき23以上のソフトウェアエンジニアリング課題のカタログを提供しています。
論文 参考訳(メタデータ) (2023-11-29T09:45:41Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳(メタデータ) (2023-10-28T06:31:06Z) - Large Search Model: Redefining Search Stack in the Era of LLMs [63.503320030117145]
我々は,1つの大言語モデル(LLM)で検索タスクを統一することにより,従来の検索スタックを再定義する,大規模検索モデルと呼ばれる新しい概念的フレームワークを導入する。
全てのタスクは自動回帰テキスト生成問題として定式化され、自然言語のプロンプトを使ってタスクをカスタマイズできる。
提案フレームワークは,LLMの強力な言語理解と推論能力を活用し,既存の検索スタックを簡素化しつつ,検索結果の質を向上させる能力を提供する。
論文 参考訳(メタデータ) (2023-10-23T05:52:09Z) - 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) - Integrity and Junkiness Failure Handling for Embedding-based Retrieval:
A Case Study in Social Network Search [26.705196461992845]
埋め込みベースの検索は、eコマースやソーシャルネットワーク検索など、さまざまな検索アプリケーションで使われている。
本稿では,2021年初頭に開始された埋め込み型検索をソーシャルネットワーク検索エンジン上で解析する。
私たちは、それによってもたらされた失敗の2つの主要なカテゴリ、完全性とジャンク性を定義します。
論文 参考訳(メタデータ) (2023-04-18T20:53:47Z) - Design Challenges for a Multi-Perspective Search Engine [44.48345943046946]
我々は、新しい視点指向文書検索パラダイムについて研究する。
目的を達成するために,自然言語理解の課題を議論し,評価する。
我々は,プロトタイプシステムを用いて,我々のパラダイムの有用性を評価する。
論文 参考訳(メタデータ) (2021-12-15T18:59:57Z) - Exposing Query Identification for Search Transparency [69.06545074617685]
本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。
本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
論文 参考訳(メタデータ) (2021-10-14T20:19:27Z) - A systematic review of Hate Speech automatic detection using Natural
Language Processing [0.45687771576879593]
本稿では,自然言語処理とディープラーニング技術に焦点をあて,本分野の文献を体系的にレビューする。
既存の調査、限界、今後の研究の方向性について論じる。
論文 参考訳(メタデータ) (2021-05-22T21:48:14Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳(メタデータ) (2021-04-29T09:54:54Z)
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。