論文の概要: Supporting search engines with knowledge and context
- arxiv url: http://arxiv.org/abs/2102.06762v1
- Date: Fri, 12 Feb 2021 20:28:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-16 15:42:36.863419
- Title: Supporting search engines with knowledge and context
- Title（参考訳）: 知識と文脈による検索エンジン支援
- Authors: Nikos Voskarides
- Abstract要約: 本論文の第1部では,構造化知識をユーザによりアクセスしやすいものにする方法について検討する。
本論文の第2部では,インタラクティブな知識収集を改善する方法について考察する。
本論文の最後のパートでは,ニュース分野のプロフェッショナルライターを対象とした検索エンジンサポートに注目した。
- 参考スコア（独自算出の注目度）: 1.0152838128195467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Search engines leverage knowledge to improve information access. In order to
effectively leverage knowledge, search engines should account for context,
i.e., information about the user and query. In this thesis, we aim to support
search engines in leveraging knowledge while accounting for context. In the
first part of this thesis, we study how to make structured knowledge more
accessible to the user when the search engine proactively provides such
knowledge as context to enrich search results. As a first task, we study how to
retrieve descriptions of knowledge facts from a text corpus. Next, we study how
to automatically generate knowledge fact descriptions. And finally, we study
how to contextualize knowledge facts, that is, to automatically find facts
related to a query fact. In the second part of this thesis, we study how to
improve interactive knowledge gathering. We focus on conversational search,
where the user interacts with the search engine to gather knowledge over large
unstructured knowledge repositories. We focus on multi-turn passage retrieval
as an instance of conversational search. We propose to model query resolution
as a term classification task and propose a method to address it. In the final
part of this thesis, we focus on search engine support for professional writers
in the news domain. We study how to support such writers create
event-narratives by exploring knowledge from a corpus of news articles. We
propose a dataset construction procedure for this task that relies on existing
news articles to simulate incomplete narratives and relevant articles. We study
the performance of multiple rankers, lexical and semantic, and provide insights
into the characteristics of this task.
- Abstract（参考訳）: 検索エンジンは知識を活用して情報アクセスを改善する。
知識を効果的に活用するために、検索エンジンはコンテキスト、すなわちユーザに関する情報とクエリを考慮すべきである。
この論文では、コンテキストを考慮に入れながら、知識を活用する検索エンジンのサポートを目指しています。
本論文の第1部では,検索結果を豊かにするための文脈などの知識を検索エンジンが積極的に提供する場合に,構造化知識をユーザによりアクセスしやすくする方法について検討する。
第1の課題として,テキストコーパスから知識事実の記述を取得する方法を検討する。
次に,知識事実の記述を自動生成する方法を検討する。
最後に、知識事実、すなわち、クエリ事実に関連する事実を自動的に発見する方法について検討する。
本論文の第2部では,インタラクティブな知識収集を改善する方法について考察する。
ユーザが検索エンジンと対話して,構造化されていない巨大な知識リポジトリ上で知識を収集する会話型検索に注目する。
会話検索の例としてマルチターンパス検索に重点を置いています。
用語分類タスクとしてクエリ解決のモデル化を提案し,それに対処する方法を提案する。
本論文の最後のパートでは,ニュース分野のプロフェッショナルライターを対象とした検索エンジンサポートに注目した。
本研究では,ニュース記事のコーパスから知識を探究することで,イベントナラティブ作成を支援する方法について検討する。
本研究では,既存のニュース記事から不完全なナラティブや関連記事をシミュレートするデータセット構築手順を提案する。
本研究では,複数のランチャーのパフォーマンス,語彙と意味について検討し,このタスクの特徴について考察する。
関連論文リスト
- Exploring Query Understanding for Amazon Product Search [62.53282527112405]
問合せ理解に基づくランキング機能がどのようにランキングに影響を及ぼすかを検討する。
ランク付けのためのクエリ理解に基づくマルチタスク学習フレームワークを提案する。
本研究は,Amazon Searchにおける実世界のシステムを用いた調査・調査である。
論文 参考訳（メタデータ） (2024-08-05T03:33:11Z) - Crafting Knowledge: Exploring the Creative Mechanisms of Chat-Based
Search Engines [3.5845457075304368]
本研究の目的は,LLMを利用した検索エンジン,特にBing Chatが応答情報ソースを選択するメカニズムを解明することである。
Bing Chatは読みやすく、形式的に構造化されたコンテンツを好むだけでなく、より低いパープレキシティレベルを示す。
本調査では,RAG技術が引用するWebサイトと従来の検索エンジンの上位のWebサイトとの類似性を比較検討した。
論文 参考訳（メタデータ） (2024-02-29T18:20:37Z) - DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain
Question Answering over Knowledge Base and Text [73.68051228972024]
大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。
検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
論文 参考訳（メタデータ） (2023-10-31T04:37:57Z) - Beyond Factuality: A Comprehensive Evaluation of Large Language Models
as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。
しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。
本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文 参考訳（メタデータ） (2023-10-11T08:22:37Z) - From Data to Dialogue: Leveraging the Structure of Knowledge Graphs for
Conversational Exploratory Search [4.861125297881693]
本稿では,自然言語質問によるニュース記事探索のための知識駆動対話システムを提案する。
54名の被験者を対象に,グラフに基づく探索探索の有効性を実証的に評価した。
論文 参考訳（メタデータ） (2023-10-08T12:52:09Z) - DiscoverPath: A Knowledge Refinement and Retrieval System for
Interdisciplinarity on Biomedical Research [96.10765714077208]
従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。
本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。
DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
論文 参考訳（メタデータ） (2023-09-04T20:52:33Z) - KETM:A Knowledge-Enhanced Text Matching method [0.0]
知識強化テキストマッチングモデル(KETM)と呼ばれるテキストマッチングの新しいモデルを提案する。
テキストワード定義を外部知識として検索するために、Wiktionaryを使用します。
我々は、ゲーティング機構を用いてテキストと知識を融合させ、テキストと知識融合の比率を学習する。
論文 参考訳（メタデータ） (2023-08-11T17:08:14Z) - MORTY: Structured Summarization for Targeted Information Extraction from
Scholarly Articles [0.0]
学術論文からテキストの構造化要約を生成する情報抽出手法MORTYを提案する。
我々のアプローチは、構造化要約と呼ばれるセグメント化されたテキストスニペットとして、記事の全文とプロパティと値のペアを凝縮する。
また,学術知識グラフから検索した構造化サマリーと,それに対応する公開可能な科学論文を組み合わせた,規模の高い学術データセットも提示する。
論文 参考訳（メタデータ） (2022-12-11T06:49:29Z) - A New Neural Search and Insights Platform for Navigating and Organizing
AI Research [56.65232007953311]
我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。
本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
論文 参考訳（メタデータ） (2020-10-30T19:12:25Z) - Machine Knowledge: Creation and Curation of Comprehensive Knowledge
Bases [28.856786775318486]
知識グラフとしても知られる大規模な知識基盤は、Webコンテンツやテキストソースから自動的に構築されている。
本稿では,知識基盤の創出と大規模化に関する基礎的概念と実践的手法について考察する。
論文 参考訳（メタデータ） (2020-09-24T09:28:13Z) - Improving Machine Reading Comprehension with Contextualized Commonsense
Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。
構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。
我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文 参考訳（メタデータ） (2020-09-12T17:20:01Z)
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。