論文の概要: Query Understanding for Natural Language Enterprise Search
- arxiv url: http://arxiv.org/abs/2012.06238v1
- Date: Fri, 11 Dec 2020 10:57:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 13:10:44.181460
- Title: Query Understanding for Natural Language Enterprise Search
- Title（参考訳）: 自然言語エンタープライズ検索のためのクエリ理解
- Authors: Francisco Borges, Georgios Balikas, Marc Brette, Guillaume Kempf,
Arvind Srikantan, Matthieu Landos, Darya Brazouskaya, Qianqian Shi
- Abstract要約: 自然言語検索(NLS)は、ユーザーがより「自然」言語でクエリを発行することができるキーワード検索を実行する検索エンジンの機能を拡張します。
我々は,主要なCRMプラットフォームの検索サービスの一部として実装したNLSシステムを提案する。
- 参考スコア（独自算出の注目度）: 0.7363840001905632
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Natural Language Search (NLS) extends the capabilities of search engines that
perform keyword search allowing users to issue queries in a more "natural"
language. The engine tries to understand the meaning of the queries and to map
the query words to the symbols it supports like Persons, Organizations, Time
Expressions etc.. It, then, retrieves the information that satisfies the user's
need in different forms like an answer, a record or a list of records. We
present an NLS system we implemented as part of the Search service of a major
CRM platform. The system is currently in production serving thousands of
customers. Our user studies showed that creating dynamic reports with NLS saved
more than 50% of our user's time compared to achieving the same result with
navigational search. We describe the architecture of the system, the
particularities of the CRM domain as well as how they have influenced our
design decisions. Among several submodules of the system we detail the role of
a Deep Learning Named Entity Recognizer. The paper concludes with discussion
over the lessons learned while developing this product.
- Abstract（参考訳）: Natural Language Search (NLS)は、キーワード検索を行う検索エンジンの機能を拡張し、ユーザーがより自然な言語でクエリを発行できるようにする。
エンジンはクエリの意味を理解し、Persons、Organizations、Time Expressionsなどをサポートするシンボルにクエリワードをマップしようとします。
そして、答えやレコード、レコードのリストなど、ユーザのニーズを満たすさまざまな形式で情報を取得する。
我々は,主要なCRMプラットフォームの検索サービスの一部として実装したNLSシステムを提案する。
システムは現在、何千もの顧客にサービスを提供している。
ユーザ調査の結果,NLSで動的レポートを作成することで,ナビゲーション検索で同じ結果が得られるのに対して,ユーザの50%以上を節約できた。
我々は、システムのアーキテクチャ、crmドメインの特異性、そしてそれらが設計決定にどのように影響したかを説明します。
システムのいくつかのサブモジュールの中で、Deep Learning Named Entity Recognizerの役割を詳述する。
この記事は、この製品の開発中に学んだ教訓に関する議論で締めくくっている。
関連論文リスト
- Leveraging LLMs to Enable Natural Language Search on Go-to-market Platforms [0.23301643766310368]
販売者向けのZoominfo製品向けのソリューションの実装と評価を行い、自然言語による大規模言語モデルの実現を促す。
中間検索フィールドは、構文エラーの除去など、クエリ毎に多くの利点を提供する。
提案手法の有効性を実証するために, クローズド, オープンソース, 微調整 LLM モデルを用いた総合実験を行った。
論文 参考訳（メタデータ） (2024-11-07T03:58:38Z) - QueryBuilder: Human-in-the-Loop Query Development for Information Retrieval [12.543590253664492]
我々は、$textitQueryBuilder$という、インタラクティブな新しいシステムを提示します。
初心者の英語を話すユーザは、少量の労力でクエリを作成できる。
ユーザの情報要求に応じた言語間情報検索クエリを迅速に開発する。
論文 参考訳（メタデータ） (2024-09-07T00:46:58Z) - UQE: A Query Engine for Unstructured Databases [71.49289088592842]
構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。
本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
論文 参考訳（メタデータ） (2024-06-23T06:58:55Z) - STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。
本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。
多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
論文 参考訳（メタデータ） (2024-04-19T22:54:54Z) - Enhanced Facet Generation with LLM Editing [5.4327243200369555]
情報検索においては,ユーザクエリのファセット識別が重要な課題である。
従来の研究は,検索によって得られた検索文書や関連クエリを活用することで,ファセット予測を強化することができる。
しかし、検索エンジンがモデルの一部として動作する場合、他のアプリケーションに拡張することは困難である。
論文 参考訳（メタデータ） (2024-03-25T00:43:44Z) - Searching, fast and slow, through product catalogs [5.077235981745305]
本稿では、リアルタイム提案システムと低レイテンシ検索システムの両方を提供するSKU検索のための統一アーキテクチャを提案する。
我々のシステムは、あらゆる面で、デフォルトの検索エンジンによって提供される結果を大きく上回っていることを示す。
論文 参考訳（メタデータ） (2024-01-01T12:30:46Z) - Synergistic Interplay between Search and Large Language Models for
Information Retrieval [141.18083677333848]
InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。
InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
論文 参考訳（メタデータ） (2023-05-12T11:58:15Z) - DAMO-NLP at SemEval-2023 Task 2: A Unified Retrieval-augmented System
for Multilingual Named Entity Recognition [94.90258603217008]
MultiCoNER RNum2共有タスクは、細粒度でノイズの多いシナリオにおいて、多言語の名前付きエンティティ認識(NER)に取り組むことを目的としている。
MultiCoNER RNum1の以前のトップシステムは、ナレッジベースまたはガゼッタを組み込んでいる。
細粒度多言語NERのための統一検索拡張システム(U-RaNER)を提案する。
論文 参考訳（メタデータ） (2023-05-05T16:59:26Z) - Task Oriented Conversational Modelling With Subjective Knowledge [0.0]
DSTC-11は、ターン検出、知識選択、応答生成を求める知識からなる3段階パイプラインを提案する。
本稿では,正確で高速な知識検索を実現するエンティティ検索手法を提案する。
予備的な結果から,知識選択作業における一致点の精度は4%向上した。
論文 参考訳（メタデータ） (2023-03-30T20:23:49Z) - Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。
近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。
本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文 参考訳（メタデータ） (2022-04-03T16:50:30Z) - Conversations with Search Engines: SERP-based Conversational Response
Generation [77.1381159789032]
我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。
また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。
CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
論文 参考訳（メタデータ） (2020-04-29T13:07:53Z)
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。