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

• The Essence of the Essence from the Web:The Metasearch Engine [0.0]
  Metasearch Engineは、複数の検索エンジンに並列にクエリをディスパッチすることで、ユーザの負担を軽減する。 これらのエンジンはウェブページのデータベースを所有しておらず、検索エンジン会社が保持するデータベースに検索語を送信する。 本稿では,典型的なメタサーチエンジンの動作について述べるとともに,異なるパラメータに基づいて従来の検索エンジンとメタサーチエンジンの比較研究を行う。
  論文  参考訳（メタデータ） (2024-11-06T06:56:22Z)
• MMSearch: Benchmarking the Potential of Large Models as Multi-modal Search Engines [91.08394877954322]
  大規模マルチモーダルモデル(LMM)は、AI検索エンジンにおいて目覚ましい進歩を遂げた。 しかし、AI検索エンジンとして機能するかどうかはまだ未定だ。 まず,マルチモーダル検索機能を備えた任意のLMMに対して,センシティブなパイプラインMMSearch-Engineを設計する。
  論文  参考訳（メタデータ） (2024-09-19T17:59:45Z)
• Tree Search for Language Model Agents [69.43007235771383]
  対話型Web環境での探索と多段階計画を行うために,LMエージェントの推論時探索アルゴリズムを提案する。 我々のアプローチは、実環境空間内で機能する最優先木探索の一形態である。 現実的なWebタスクにおいて有効性を示すLMエージェントのための最初の木探索アルゴリズムである。
  論文  参考訳（メタデータ） (2024-07-01T17:07:55Z)
• A comparison of online search engine autocompletion in Google and Baidu [3.5016560416031886]
  本稿では,BaiduとGoogleの2つの言語的・文化的文脈における検索オートコンプリートの特徴について検討する。 2つの検索エンジンの違いは、元のクエリの抑制や修正の仕方にある。 我々の研究は、現在の言語技術においてより洗練され、文化的に敏感なモデレーション戦略の必要性を強調した。
  論文  参考訳（メタデータ） (2024-05-03T08:17:04Z)
• The Use of Generative Search Engines for Knowledge Work and Complex Tasks [26.583783763090732]
  Bing Copilotを使うタスクのタイプと複雑さをBing Searchと比較して分析する。 発見は、従来の検索エンジンよりも認知の複雑さが高い知識作業タスクのために、人々が生成検索エンジンを使用していることを示している。
  論文  参考訳（メタデータ） (2024-03-19T18:17:46Z)
• 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)
• 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)
• 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)

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。