Fugu-MT 論文翻訳(概要): Exploratory Search with Sentence Embeddings

論文の概要: Exploratory Search with Sentence Embeddings

arxiv url: http://arxiv.org/abs/2007.11198v1
Date: Wed, 22 Jul 2020 04:46:54 GMT
ステータス: 処理完了
システム内更新日: 2022-11-07 23:16:20.356701
Title: Exploratory Search with Sentence Embeddings
Title（参考訳）: 文埋め込みによる探索探索
Authors: Austin Silveria
Abstract要約: 本稿では,階層クラスタと文書要約に基づく探索探索システムを提案する。文書をその埋め込み文の平均として表現し、この文書表現に近い文を含む要約を抽出し、文書表現に近いキーフレーズを抽出する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Exploratory search aims to guide users through a corpus rather than pinpointing exact information. We propose an exploratory search system based on hierarchical clusters and document summaries using sentence embeddings. With sentence embeddings, we represent documents as the mean of their embedded sentences, extract summaries containing sentences close to this document representation and extract keyphrases close to the document representation. To evaluate our search system, we scrape our personal search history over the past year and report our experience with the system. We then discuss motivating use cases of an exploratory search system of this nature and conclude with possible directions of future work.
Abstract（参考訳）: 探索検索は、正確な情報を特定するのではなく、コーパスを通してユーザーを誘導することを目的としている。文埋め込みを用いた階層クラスタと文書要約に基づく探索探索システムを提案する。文章埋め込みでは、文書をその埋め込み文の平均として表現し、この文書表現に近い文を含む要約を抽出し、文書表現に近いキーフレーズを抽出する。検索システムを評価するために,過去1年間の個人検索履歴をスクレイピングし,システムを用いた経験を報告する。次に, 探索探索システムの利用動機を考察し, 今後の課題の方向性について考察する。

関連論文リスト

ExcluIR: Exclusionary Neural Information Retrieval [74.08276741093317]
本稿では,排他的検索のためのリソースセットであるExcluIRを提案する。評価ベンチマークには3,452の高品質な排他的クエリが含まれている。トレーニングセットには70,293の排他的クエリが含まれており、それぞれに正のドキュメントと負のドキュメントがペアリングされている。
論文参考訳（メタデータ） (2024-04-26T09:43:40Z)
Dense X Retrieval: What Retrieval Granularity Should We Use? [56.90827473115201]
しばしば見過ごされる設計選択は、コーパスが索引付けされる検索単位である。本稿では,高密度検索のための新しい検索ユニット,命題を提案する。実験により、提案のような細粒度単位によるコーパスのインデックス付けは、検索タスクにおける通過レベル単位を著しく上回っていることが明らかとなった。
論文参考訳（メタデータ） (2023-12-11T18:57:35Z)
QuOTeS: Query-Oriented Technical Summarization [0.2936007114555107]
提案するQuOTeSは,潜在的参照の集合から研究の要約に関連する文章を検索するインタラクティブシステムである。 QuOTeS は Query-Focused Extractive Summarization と High-Recall Information Retrieval の技法を統合し、科学文書のインタラクティブなクエリ-Focused Summarization を提供する。結果から,QuOTeSは肯定的なユーザエクスペリエンスを提供し,関連する,簡潔かつ完全なクエリ中心の要約を一貫して提供することが明らかになった。
論文参考訳（メタデータ） (2023-06-20T18:43:24Z)
DAPR: A Benchmark on Document-Aware Passage Retrieval [57.45793782107218]
我々は,このタスクemphDocument-Aware Passage Retrieval (DAPR)を提案する。 State-of-The-Art(SoTA)パスレトリバーのエラーを分析しながら、大きなエラー(53.5%)は文書コンテキストの欠如に起因する。提案するベンチマークにより,検索システムの開発・比較を今後行うことができる。
論文参考訳（メタデータ） (2023-05-23T10:39:57Z)
Layout-Aware Information Extraction for Document-Grounded Dialogue: Dataset, Method and Demonstration [75.47708732473586]
視覚的にリッチな文書から構造的知識と意味的知識の両方を抽出するためのレイアウト対応文書レベル情報抽出データセット(LIE)を提案する。 LIEには製品および公式文書の4,061ページから3つの抽出タスクの62kアノテーションが含まれている。実験の結果、レイアウトはVRDベースの抽出に不可欠であることが示され、システムデモでは、抽出された知識が、ユーザが関心を持っている答えを見つけるのに役立つことも確認されている。
論文参考訳（メタデータ） (2022-07-14T07:59:45Z)
Deep Reinforcement Agent for Efficient Instant Search [14.086339486783018]
本稿では,関連する文書を検索する上で,意味的により健全なトークンを識別することで,負荷問題に対処することを提案する。我々は、検索エンジンと直接対話し、単語の重要性を予測する強化エージェントを訓練する。トリガーサーチ数とシステム性能のトレードオフを研究するために,新しい評価フレームワークを提案する。
論文参考訳（メタデータ） (2022-03-17T22:47:15Z)
iFacetSum: Coreference-based Interactive Faceted Summarization for Multi-Document Exploration [63.272359227081836]
iFacetSumは、インタラクティブな要約と顔検索を統合している。微粒なファセットは、クロスドキュメントのコア参照パイプラインに基づいて自動的に生成される。
論文参考訳（メタデータ） (2021-09-23T20:01:11Z)
Text Summarization with Latent Queries [60.468323530248945]
本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
論文参考訳（メタデータ） (2021-05-31T21:14:58Z)
CSFCube -- A Test Collection of Computer Science Research Articles for Faceted Query by Example [43.01717754418893]
例によるフェーステッドクエリのタスクを紹介します。ユーザは、入力クエリドキュメントに加えて、より細かいアスペクトを指定することもできる。我々は,クエリ科学論文に類似した科学的論文を検索できるモデルを構想する。
論文参考訳（メタデータ） (2021-03-24T01:02:12Z)
Building Legal Case Retrieval Systems with Lexical Matching and Summarization using A Pre-Trained Phrase Scoring Model [1.9275428660922076]
本研究は,2019年法律情報抽出・販売コンペティションの判例検索課題に対処する手法を提案する。我々のアプローチは、要約が検索に重要であるという考え方に基づいている。コンペティションのベンチマークにおけるタスクの最先端の結果を達成しました。
論文参考訳（メタデータ） (2020-09-29T15:10:59Z)

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。