論文の概要: Entity-Based Query Interpretation

• arxiv url: http://arxiv.org/abs/2105.08581v1
• Date: Tue, 18 May 2021 15:07:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 13:56:10.549503
• Title: Entity-Based Query Interpretation
• Title（参考訳）: エンティティベースのクエリ解釈
• Authors: Vaibhav Kasturia, Marcel Gohsen, Matthias Hagen
• Abstract要約: クエリが与えられた場合、タスクはクエリの適切な部分を背景知識ベースで意味的に互換性のあるエンティティにリンクする。 我々は,有望なセグメントベースの「骨格」を見つける前処理ステップとしてクエリセグメンテーションを提案する。 これらの骨格は、包含されたセグメントを知識ベースからエンティティにリンクし、最後のステップで解釈をランク付けすることで「解釈」に拡張される。
• 参考スコア（独自算出の注目度）: 11.23202034166832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Web search queries can be rather ambiguous: Is "paris hilton" meant to find the latest news on the celebrity or to find a specific hotel in Paris? And in which of the worldwide more than 20 "Parises"? We propose to solve this ambiguity problem by deriving entity-based query interpretations: given some query, the task is to link suitable parts of the query to semantically compatible entities in a background knowledge base. Our suggested approach to identify the most reasonable interpretations of a query based on the contained entities focuses on effectiveness but also on efficiency since web search response times should not exceed some hundreds of milliseconds. In our approach, we propose to use query segmentation as a pre-processing step that finds promising segment-based "skeletons". These skeletons are then enhanced to "interpretations" by linking the contained segments to entities from a knowledge base and then ranking the interpretations in a final step. An experimental comparison on a corpus of 2,800 queries shows our approach to have a better interpretation accuracy at a better run time than the previously most effective query entity linking methods.
• Abstract（参考訳）: パリ・ヒルトン(paris hilton)は、有名人の最新のニュースを見つけたり、パリで特定のホテルを見つけたりすることを目的としているのだろうか? そして、世界の20以上の「パリ」の中で、どちらがそうですか。 本稿では,エンティティベースのクエリ解釈を導出することで,このあいまいさを解消することを提案する。あるクエリに対して,クエリの適切な部分を,背景知識ベースで意味的に互換性のあるエンティティにリンクすること。 提案手法は, 検索応答時間が数百ミリ秒を超えるべきではないため, 有効性だけでなく, 効率性にも焦点をあてるものである。 提案手法では,クエリセグメンテーションを前処理ステップとして,有望なセグメントベースの「骨格」を見つけることを提案する。 これらの骨格は、包含されたセグメントを知識ベースからエンティティにリンクし、最後のステップで解釈をランク付けすることで「解釈」に拡張される。 2,800のクエリをコーパスで比較した結果,これまでで最も有効なクエリエンティティリンク手法よりも,実行時の解釈精度を向上するアプローチが示された。

関連論文リスト

• QUIDS: Query Intent Generation via Dual Space Modeling [12.572815037915348]
  本稿では,検索意図の理解を説明するために,返却文書における意味的関連性および無関係情報を利用する二重空間モデルを提案する。 提案手法は高品質な問合せインテント記述を生成し,既存の手法と最先端の問合せベース要約手法を比較検討する。
  論文  参考訳（メタデータ） (2024-10-16T09:28:58Z)
• BRIGHT: A Realistic and Challenging Benchmark for Reasoning-Intensive Retrieval [54.54576644403115]
  多くの複雑な実世界のクエリは、関連する文書を特定するために詳細な推論を必要とする。 BRIGHTは、関係する文書を検索するために、集中的推論を必要とする最初のテキスト検索ベンチマークである。 私たちのデータセットは、経済学、心理学、数学、コーディングなど、さまざまな領域にまたがる1,384の現実世界のクエリで構成されています。
  論文  参考訳（メタデータ） (2024-07-16T17:58:27Z)
• User Intent Recognition and Semantic Cache Optimization-Based Query Processing Framework using CFLIS and MGR-LAU [0.0]
  この研究は、拡張QPのためのクエリにおける情報、ナビゲーション、およびトランザクションベースのインテントを分析した。 効率的なQPのために、データはEpanechnikov Kernel-Ordering Pointsを用いて構造化され、クラスタリング構造(EK-OPTICS)を同定する。 抽出された特徴、検出された意図、構造化データは、MGR-LAU(Multi-head Gated Recurrent Learnable Attention Unit)に入力される。
  論文  参考訳（メタデータ） (2024-06-06T20:28:05Z)
• Typo-Robust Representation Learning for Dense Retrieval [6.148710657178892]
  現実世界の設定における密集検索の主な課題の1つは、ミススペルされた単語を含むクエリの処理である。 ミススペルクエリを扱う一般的なアプローチは、ミススペルクエリとそれらのプリスタントクエリとの差の最小化である。 ミススペルクエリとプリスタンクエリのアライメントのみに焦点を当てた既存のアプローチとは異なり,本手法は各ミススペルクエリと周辺クエリとのコントラストも改善する。
  論文  参考訳（メタデータ） (2023-06-17T13:48:30Z)
• Decoding a Neural Retriever's Latent Space for Query Suggestion [28.410064376447718]
  本稿では,有意なクエリをその潜在表現から復号することが可能であること,また,潜在空間の正しい方向に移動すると,関連する段落を検索するクエリを復号することができることを示す。 クエリデコーダを用いて、MSMarcoのクエリ再構成の大規模な合成データセットを生成する。 このデータに基づいて、クエリー提案の適用のために擬似関連フィードバック(PRF)T5モデルを訓練する。
  論文  参考訳（メタデータ） (2022-10-21T16:19:31Z)
• Effective and Efficient Query-aware Snippet Extraction for Web Search [61.60405035952961]
  本稿では,DeepQSE という名前の効率的なクエリ対応 Web ページスニペット抽出手法を提案する。 DeepQSEはまず各文に対するクエリ対応の文表現を学習し、クエリと文間の微妙な関連性をキャプチャする。 本稿では,DeepQSEの効率的なバージョンであるEfficient-DeepQSEを提案する。
  論文  参考訳（メタデータ） (2022-10-17T07:46:17Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)
• 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)
• Query Understanding via Intent Description Generation [75.64800976586771]
  問合せ理解のためのQ2ID(Query-to-Intent-Description)タスクを提案する。 クエリとその記述を利用してドキュメントの関連性を計算する既存のランキングタスクとは異なり、Q2IDは自然言語のインテント記述を生成するための逆タスクである。 Q2IDタスクにおける複数の最先端生成モデルとの比較により,本モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2020-08-25T08:56:40Z)
• Tree-Augmented Cross-Modal Encoding for Complex-Query Video Retrieval [98.62404433761432]
  インターネット上のユーザ生成ビデオの急速な増加により、テキストベースのビデオ検索システムの必要性が高まっている。 従来の手法は主に単純なクエリによる検索における概念に基づくパラダイムを好んでいる。 木を増設したクロスモーダルを提案する。 クエリの言語構造とビデオの時間表現を共同で学習する手法。
  論文  参考訳（メタデータ） (2020-07-06T02:50:27Z)

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。