論文の概要: Neural Approaches to Conversational Information Retrieval
- arxiv url: http://arxiv.org/abs/2201.05176v1
- Date: Thu, 13 Jan 2022 19:04:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-18 01:18:00.491663
- Title: Neural Approaches to Conversational Information Retrieval
- Title（参考訳）: 対話的情報検索へのニューラルアプローチ
- Authors: Jianfeng Gao, Chenyan Xiong, Paul Bennett and Nick Craswell
- Abstract要約: 会話情報検索(CIR)システムは、会話インタフェースを備えた情報検索(IR)システムである。
近年のディープラーニングの進歩により、自然言語処理(NLP)と会話型AIが大幅に改善されている。
この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
- 参考スコア（独自算出の注目度）: 94.77863916314979
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A conversational information retrieval (CIR) system is an information
retrieval (IR) system with a conversational interface which allows users to
interact with the system to seek information via multi-turn conversations of
natural language, in spoken or written form. Recent progress in deep learning
has brought tremendous improvements in natural language processing (NLP) and
conversational AI, leading to a plethora of commercial conversational services
that allow naturally spoken and typed interaction, increasing the need for more
human-centric interactions in IR. As a result, we have witnessed a resurgent
interest in developing modern CIR systems in both research communities and
industry. This book surveys recent advances in CIR, focusing on neural
approaches that have been developed in the last few years. This book is based
on the authors' tutorial at SIGIR'2020 (Gao et al., 2020b), with IR and NLP
communities as the primary target audience. However, audiences with other
background, such as machine learning and human-computer interaction, will also
find it an accessible introduction to CIR. We hope that this book will prove a
valuable resource for students, researchers, and software developers. This
manuscript is a working draft. Comments are welcome.
- Abstract（参考訳）: 会話情報検索システム(英: conversational information search, CIR)とは、自然言語のマルチターン会話を通じて、音声や書面形式で、ユーザがシステムと対話して情報を求めることができる対話インタフェースを備えた情報検索システムである。
ディープラーニングの最近の進歩は、自然言語処理(NLP)と会話型AIの大幅な改善をもたらし、自然な音声とタイプドインタラクションを可能にする多くの商用会話サービスをもたらし、IRにおけるより人間中心のインタラクションの必要性を高めている。
その結果,研究コミュニティと産業の両面で,近代的なCIRシステムの開発への関心が高まった。
この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
この本は、SIGIR'2020(Gao et al., 2020b)の著者のチュートリアルに基づいており、IRとNLPコミュニティが主なターゲットである。
しかし、機械学習や人間とコンピュータのインタラクションなど、他のバックグラウンドを持つオーディエンスは、CIRへのアクセシビリティな導入も見出すだろう。
この本が学生、研究者、ソフトウェア開発者にとって貴重なリソースになることを願っている。
この原稿は作業中の原稿です。
コメントは歓迎だ。
関連論文リスト
- A Survey of Conversational Search [44.09402706387407]
会話検索における最近の進歩と今後の方向性について検討する。
これらのシステムの拡張において,大規模言語モデル(LLM)の統合を強調した。
我々は,現実のアプリケーションに対する洞察と,現在の対話型検索システムの堅牢な評価を提供する。
論文 参考訳（メタデータ） (2024-10-21T01:54:46Z) - Interactions with Generative Information Retrieval Systems [25.099838151543878]
既存の検索エンジンでは、インタラクションはいくつかの事前定義されたアクションに限られている。
生成IRシステムへ移行する大きな利点は、情報ニーズとフィードバックの豊かな表現をユーザに提供することである。
本章では、生成IRシステムにおける相互作用の役割について概説する。
論文 参考訳（メタデータ） (2024-07-16T11:12:22Z) - Search Still Matters: Information Retrieval in the Era of Generative AI [1.68609633200389]
この視点は、IRプロセスのモチベーション、考慮、結果の文脈における生成的AIの使用を探求する。
このようなシステムのユーザ、特に学者は、信頼性、タイムライン、検索の文脈化に関する懸念を持っている。
論文 参考訳（メタデータ） (2023-11-30T13:36:21Z) - Large Language Models for Information Retrieval: A Survey [58.30439850203101]
情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。
近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。
LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
論文 参考訳（メタデータ） (2023-08-14T12:47:22Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z) - PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue
Model [79.64376762489164]
PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。
PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。
PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
論文 参考訳（メタデータ） (2023-04-02T18:23:13Z) - Recent Advances in Deep Learning-based Dialogue Systems [12.798560005546262]
我々は主に深層学習に基づく対話システムに注目している。
この調査は、対話システムおよび対話関連タスクの分野で現在最も包括的で最新のものです。
論文 参考訳（メタデータ） (2021-05-10T14:07:49Z) - BERT Embeddings Can Track Context in Conversational Search [5.3222282321717955]
我々は,自然な方法で情報検索を支援する対話型検索システムを開発した。
システムは、質問が提示される状況を理解し、会話の現在の状態を追跡し、以前の質問や回答に対する言及を検出する。
論文 参考訳（メタデータ） (2021-04-13T22:02:24Z) - Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。
CRS開発の主な課題を5つの方向にまとめます。
これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
論文 参考訳（メタデータ） (2021-01-23T08:53:15Z) - Deep Conversational Recommender Systems: A New Frontier for
Goal-Oriented Dialogue Systems [54.06971074217952]
Conversational Recommender System (CRS)は対話型対話を通じてユーザの好みを学習し、モデル化する。
ディープラーニングアプローチはCRSに適用され、実りある結果を生み出した。
論文 参考訳（メタデータ） (2020-04-28T02:20:42Z)
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。