論文の概要: Search Engine Similarity Analysis: A Combined Content and Rankings
Approach
- arxiv url: http://arxiv.org/abs/2011.00650v2
- Date: Fri, 6 Nov 2020 17:11:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 00:03:47.690474
- Title: Search Engine Similarity Analysis: A Combined Content and Rankings
Approach
- Title(参考訳): 検索エンジンの類似度分析:コンテンツとランキングを組み合わせたアプローチ
- Authors: Konstantina Dritsa, Thodoris Sotiropoulos, Haris Skarpetis, Panos
Louridas
- Abstract要約: 我々は、DuckDuckGoとともに、GoogleとBingという2つの主要な検索エンジンの親和性について分析する。
我々は、検索応答のコンテンツとランキングの両方を活用する新しい類似度指標を開発した。
しかしBingとDuckDuckGoは相違点が多い。
- 参考スコア(独自算出の注目度): 6.69087470775851
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: How different are search engines? The search engine wars are a favorite topic
of on-line analysts, as two of the biggest companies in the world, Google and
Microsoft, battle for prevalence of the web search space. Differences in search
engine popularity can be explained by their effectiveness or other factors,
such as familiarity with the most popular first engine, peer imitation, or
force of habit. In this work we present a thorough analysis of the affinity of
the two major search engines, Google and Bing, along with DuckDuckGo, which
goes to great lengths to emphasize its privacy-friendly credentials. To do so,
we collected search results using a comprehensive set of 300 unique queries for
two time periods in 2016 and 2019, and developed a new similarity metric that
leverages both the content and the ranking of search responses. We evaluated
the characteristics of the metric against other metrics and approaches that
have been proposed in the literature, and used it to (1) investigate the
similarities of search engine results, (2) the evolution of their affinity over
time, (3) what aspects of the results influence similarity, and (4) how the
metric differs over different kinds of search services. We found that Google
stands apart, but Bing and DuckDuckGo are largely indistinguishable from each
other.
- Abstract(参考訳): 検索エンジンの違いは?
検索エンジン戦争はオンラインアナリストにとって好まれる話題であり、世界最大の企業であるGoogleとMicrosoftの2社がウェブ検索分野の普及を争っている。
検索エンジンの人気の相違は、最も人気のある第1エンジンとの親和性、ピア模倣、習慣の強制など、その効果または他の要因によって説明できる。
本研究では、GoogleとBingとDuckDuckGoの2つの主要な検索エンジンの親和性に関する詳細な分析を行い、プライバシーに配慮した認証性を強調している。
そこで我々は,2016年と2019年の2回の検索において,300のユニークなクエリを包括的に収集し,検索応答のコンテンツとランキングの両方を活用する新しい類似度指標を開発した。
本研究は,本論文で提案されている他の指標やアプローチに対する指標の特徴を評価し,(1)検索エンジンの結果の類似性,(2)時間経過に伴う親和性の進化,(3)結果の側面が類似性にどのような影響を与えるか,(4)異なる種類の検索サービスに対してメトリクスがどのように異なるかを検討するために用いた。
googleは別物だが、bingとduckduckgoはほとんど区別がつかない。
関連論文リスト
- Examining bias perpetuation in academic search engines: an algorithm
audit of Google and Semantic Scholar [0.0]
本研究では,Google Scholar と Semantic Scholar に誘導される確認バイアスクエリが,スキュー結果をもたらすかどうかを検討する。
技術関連のクエリは、より大きな相違を示す。
検証バイアスが永久に続く学術的な検索結果は、研究者と市民の両方が証拠を探していることに強い意味を持つ。
論文 参考訳(メタデータ) (2023-11-16T15:43:31Z) - User Attitudes to Content Moderation in Web Search [49.1574468325115]
我々は、Web検索における誤解を招く可能性のあるコンテンツや攻撃的なコンテンツに適用される様々なモデレーションプラクティスに対するサポートレベルについて検討する。
最も支持されている実践は、誤解を招く可能性のあるコンテンツや不快なコンテンツについてユーザーに知らせることであり、最も支持されていないものは、検索結果を完全に削除することである。
より保守的なユーザーやウェブ検索結果に対する信頼度が低いユーザーは、ウェブ検索におけるコンテンツモデレーションに反する傾向にある。
論文 参考訳(メタデータ) (2023-10-05T10:57:15Z) - Evaluating Verifiability in Generative Search Engines [70.59477647085387]
生成検索エンジンは、インラインの引用とともに、ユーザークエリへの応答を直接生成する。
我々は,一般的な4つの生成検索エンジンの評価を行う。
既存の生成検索エンジンからの応答は流動的であり、情報的に見えるが、しばしばサポートされていない文や不正確な引用を含んでいる。
論文 参考訳(メタデータ) (2023-04-19T17:56:12Z) - NeuralSearchX: Serving a Multi-billion-parameter Reranker for
Multilingual Metasearch at a Low Cost [4.186775801993103]
検索結果をマージし、文章をハイライトする多目的大規模階調モデルに基づくメタサーチエンジンであるNeuralSearchXについて述べる。
我々の設計選択は、幅広い公開ベンチマークで最先端の結果に近づきながら、競争力のあるQPSを備えたよりコスト効率の高いシステムに繋がったことを示す。
論文 参考訳(メタデータ) (2022-10-26T16:36:53Z) - Search engine effects on news consumption: ranking and
representativeness outweigh familiarity in news selection [0.0]
我々は,検索結果に現れるニュース記事の選択に影響を及ぼす可能性のある3つの競合要因,2つのアルゴリズム的(ランクと代表性)と1つの心理学的(ファミリティ)を分析した。
本研究は,ニュース消費におけるアルゴリズム的要因の操り方について,親しみ方と比較して検証した。
われわれは、Google検索が個人を不慣れな情報源へと駆り立て、政治的オーディエンスからニュースソースへの多様性を高めることを確認した。
論文 参考訳(メタデータ) (2022-06-17T06:30:56Z) - 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) - Diversity driven Query Rewriting in Search Advertising [1.5289756643078838]
生成的検索モデルは、このようなクエリの書き直しを生成するタスクにおいて有効であることが示されている。
高品質かつ多様な書き直しを生成するフレームワークであるCLOVERを紹介します。
提案手法の有効性を,3つの主要言語にまたがる検索クエリのオフライン実験により実証的に示す。
論文 参考訳(メタデータ) (2021-06-07T17:30:45Z) - The Matter of Chance: Auditing Web Search Results Related to the 2020
U.S. Presidential Primary Elections Across Six Search Engines [68.8204255655161]
私たちは、Google、Baidu、Bing、DuckDuckGo、Yahoo、Yandexの"US Election"、"Donald trump"、"Joe Biden"、"bernie Sanders"の検索結果を調べます。
その結果, 検索エンジン間の検索結果と, エージェント間の検索結果の相違が有意な差があることが示唆された。
論文 参考訳(メタデータ) (2021-05-03T11:18:19Z) - One-Shot Neural Ensemble Architecture Search by Diversity-Guided Search
Space Shrinking [97.60915598958968]
本稿では,この2つの課題に対処するワンショットニューラルアンサンブルアーキテクチャサーチ(NEAS)ソリューションを提案する。
最初の課題として,探索空間の縮小を導くために,多様性に基づく新しい指標を導入する。
第2の課題として,異なるモデル間の階層共有を効率向上のために学習する新たな探索次元を実現する。
論文 参考訳(メタデータ) (2021-04-01T16:29:49Z) - Towards Improving the Consistency, Efficiency, and Flexibility of
Differentiable Neural Architecture Search [84.4140192638394]
最も微分可能なニューラルアーキテクチャ探索法は、探索用のスーパーネットを構築し、そのサブグラフとしてターゲットネットを導出する。
本稿では,エンジンセルとトランジットセルからなるEnTranNASを紹介する。
また,検索処理の高速化を図るため,メモリや計算コストの削減も図っている。
論文 参考訳(メタデータ) (2021-01-27T12:16:47Z)
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。