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

• A Survey of Generative Search and Recommendation in the Era of Large Language Models [125.26354486027408]
  ジェネレーティブ検索(検索)とレコメンデーションは、マッチング問題をジェネレーティブな方法で解決することを目的としている。 超知能生成型大規模言語モデルが検索と推薦の新しいパラダイムを生み出した。
  論文  参考訳（メタデータ） (2024-04-25T17:58:17Z)
• Enhancing Mobile "How-to" Queries with Automated Search Results Verification and Reranking [4.521071819941574]
  本稿では,オンライン技術支援検索結果の精度と関連性を改善するための新しい手法を提案する。 我々は、AIエージェントが検索結果のステップバイステップの指示を、制御されたAndroid環境で解釈し実行できるようにするための、最初のソリューションを開発した。 その結果,上位結果の品質と信頼性は著しく向上した。
  論文  参考訳（メタデータ） (2024-04-13T00:20:09Z)
• Evaluating Robustness of Generative Search Engine on Adversarial Factual Questions [89.35345649303451]
  生成検索エンジンは、人々がオンラインで情報を求める方法を変える可能性を秘めている。 しかし,既存の大規模言語モデル(LLM)が支援する生成検索エンジンからの応答は必ずしも正確ではない。 検索強化世代は、敵がシステム全体を回避できるため、安全上の懸念を増す。
  論文  参考訳（メタデータ） (2024-02-25T11:22:19Z)
• 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)

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。