論文の概要: Design Challenges for a Multi-Perspective Search Engine

• arxiv url: http://arxiv.org/abs/2112.08357v1
• Date: Wed, 15 Dec 2021 18:59:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-16 16:47:41.645938
• Title: Design Challenges for a Multi-Perspective Search Engine
• Title（参考訳）: マルチパースペクティブ検索エンジンの設計課題
• Authors: Sihao Chen and Siyi Liu and Xander Uyttendaele and Yi Zhang and William Bruno and Dan Roth
• Abstract要約: 我々は、新しい視点指向文書検索パラダイムについて研究する。 目的を達成するために,自然言語理解の課題を議論し,評価する。 我々は,プロトタイプシステムを用いて,我々のパラダイムの有用性を評価する。
• 参考スコア（独自算出の注目度）: 44.48345943046946
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Many users turn to document retrieval systems (e.g. search engines) to seek answers to controversial questions. Answering such user queries usually require identifying responses within web documents, and aggregating the responses based on their different perspectives. Classical document retrieval systems fall short at delivering a set of direct and diverse responses to the users. Naturally, identifying such responses within a document is a natural language understanding task. In this paper, we examine the challenges of synthesizing such language understanding objectives with document retrieval, and study a new perspective-oriented document retrieval paradigm. We discuss and assess the inherent natural language understanding challenges in order to achieve the goal. Following the design challenges and principles, we demonstrate and evaluate a practical prototype pipeline system. We use the prototype system to conduct a user survey in order to assess the utility of our paradigm, as well as understanding the user information needs for controversial queries.
• Abstract（参考訳）: 多くのユーザーは文書検索システム(例えば検索エンジン)に目を向けて、議論の余地のある質問への回答を求める。 このようなユーザークエリに応答するには、通常、webドキュメント内の応答を識別し、異なる視点に基づいて応答を集約する必要がある。 古典的な文書検索システムは、ユーザへの直接的かつ多様な応答のセットの提供に不足している。 自然に、ドキュメント内でそのような応答を特定することは自然言語理解のタスクです。 本稿では,これらの言語理解目標を文書検索で合成する課題について検討し,新しい視点指向文書検索パラダイムについて検討する。 目的を達成するために,自然言語理解の課題を議論し,評価する。 設計上の課題と原則に従い,実用的なパイプラインシステムの実証と評価を行う。 プロトタイプシステムを用いてユーザ調査を行い,提案手法の有用性を評価し,議論を呼ぶ質問に対するユーザ情報のニーズを理解する。

関連論文リスト

• Can Users Detect Biases or Factual Errors in Generated Responses in Conversational Information-Seeking? [13.790574266700006]
  対話型情報検索システムにおける応答生成の限界について検討する。 本研究は,問合せ応答性の問題と応答不完全性の課題に対処する。 分析の結果,クエリ応答性よりも応答不完全性の検出が容易であることが判明した。
  論文  参考訳（メタデータ） (2024-10-28T20:55:00Z)
• Follow-Up Questions Improve Documents Generated by Large Language Models [0.0]
  本研究では,短い(1ページ)テキスト文書に対するユーザからの要求に応じて,Large Language Models (LLMs) がフォローアップ質問を生成することの影響について検討した。 ユーザは、フォローアップ質問をするための新しいWebベースのAIシステムと対話した。
  論文  参考訳（メタデータ） (2024-06-27T07:16:46Z)
• An Interactive Query Generation Assistant using LLM-based Prompt Modification and User Feedback [9.461978375200102]
  提案するインタフェースは,単言語および多言語文書コレクション上での対話型クエリ生成をサポートする,新しい検索インタフェースである。 このインタフェースにより、ユーザーは異なるLCMによって生成されたクエリを洗練し、検索したドキュメントやパスに対するフィードバックを提供し、より効果的なクエリを生成するプロンプトとしてユーザーのフィードバックを組み込むことができる。
  論文  参考訳（メタデータ） (2023-11-19T04:42:24Z)
• Social Commonsense-Guided Search Query Generation for Open-Domain Knowledge-Powered Conversations [66.16863141262506]
  本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。 提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
  論文  参考訳（メタデータ） (2023-10-22T16:14:56Z)
• A Question Answering Framework for Decontextualizing User-facing Snippets from Scientific Documents [47.39561727838956]
  言語モデルを使って、科学文書からスニペットを書き直して、自分で読むことができます。 本稿では,タスクを質問生成,質問応答,書き直しの3段階に分割するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-24T06:23:02Z)
• Evaluating Mixed-initiative Conversational Search Systems via User Simulation [9.066817876491053]
  このような検索システムの自動評価のための対話型ユーザシミュレータUSiを提案する。 Ui が生成した応答は,その基盤となる情報要求と同等であり,人間による回答に匹敵するものであることを示す。
  論文  参考訳（メタデータ） (2022-04-17T16:27:33Z)
• Text Summarization with Latent Queries [60.468323530248945]
  本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。 本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。 本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
  論文  参考訳（メタデータ） (2021-05-31T21:14:58Z)
• On the Social and Technical Challenges of Web Search Autosuggestion Moderation [118.47867428272878]
  自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。 現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。 問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
  論文  参考訳（メタデータ） (2020-07-09T19:22:00Z)
• Open-Retrieval Conversational Question Answering [62.11228261293487]
  オープン検索型対話型質問応答 (ORConvQA) の設定を導入する。 ORConvQAのエンド・ツー・エンドシステムを構築し,レトリバー,リランカ,およびすべてトランスフォーマーをベースとしたリーダを特徴とする。
  論文  参考訳（メタデータ） (2020-05-22T19:39:50Z)

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。