論文の概要: Generating recommendations for entity-oriented exploratory search
- arxiv url: http://arxiv.org/abs/2204.00743v1
- Date: Sat, 2 Apr 2022 02:19:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-07 10:55:46.433431
- Title: Generating recommendations for entity-oriented exploratory search
- Title（参考訳）: エンティティ指向探索のためのレコメンデーション生成
- Authors: David Wadden, Nikita Gupta, Kenton Lee, Kristina Toutanova
- Abstract要約: 本稿では,エンティティ指向探索探索のためのレコメンデーションセット生成の課題を紹介する。
我々は、直接レコメンデーションのコレクションを生成することができるテキスト・ツー・テキスト・モデルを構築します。
我々は、包括性、面白さ、非冗長性を促進するために設計されたコスト関数を最適化するレコメンデーションセットを生成するためにモデルを訓練する。
- 参考スコア（独自算出の注目度）: 23.62142250257486
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the task of recommendation set generation for entity-oriented
exploratory search. Given an input search query which is open-ended or
under-specified, the task is to present the user with an easily-understandable
collection of query recommendations, with the goal of facilitating domain
exploration or clarifying user intent. Traditional query recommendation systems
select recommendations by identifying salient keywords in retrieved documents,
or by querying an existing taxonomy or knowledge base for related concepts. In
this work, we build a text-to-text model capable of generating a collection of
recommendations directly, using the language model as a "soft" knowledge base
capable of proposing new concepts not found in an existing taxonomy or set of
retrieved documents. We train the model to generate recommendation sets which
optimize a cost function designed to encourage comprehensiveness,
interestingness, and non-redundancy. In thorough evaluations performed by crowd
workers, we confirm the generalizability of our approach and the high quality
of the generated recommendations.
- Abstract（参考訳）: 本稿では,エンティティ指向探索のためのレコメンデーションセット生成のタスクを紹介する。
入力検索クエリがオープンあるいは未指定である場合、ドメイン探索やユーザ意図の明確化を目的として、容易に理解可能なクエリレコメンデーションのコレクションをユーザに提示する。
従来のクエリレコメンデーションシステムでは、検索した文書中の有能なキーワードを識別したり、既存の分類や知識ベースに関連概念を問い合わせたりすることでレコメンデーションを選択する。
本研究では,既存の分類や検索された文書のセットにはない新しい概念を提案できる「ソフトな」知識ベースとして言語モデルを用いて,推薦のコレクションを直接生成できるテキスト対テキストモデルを構築した。
総合性,興味,非冗長性を促進するために設計されたコスト関数を最適化するレコメンデーションセットを生成するようにモデルをトレーニングする。
群集作業員による徹底的な評価では,提案手法の一般化可能性と,生成した推奨事項の質が確認できた。
関連論文リスト
- Why Not Together? A Multiple-Round Recommender System for Queries and Items [37.709748983831034]
推薦システムの基本的な技術は、ユーザの嗜好をモデル化することであり、クエリや項目がユーザ関心の象徴的な表現として広く使われている。
両タイプの相乗効果を生かしたMultiple-round Auto Guess-and-Update System(MAGUS)を提案する。
論文 参考訳（メタデータ） (2024-12-14T10:49:00Z) - Preference Discerning with LLM-Enhanced Generative Retrieval [28.309905847867178]
我々は、選好識別という新しいパラダイムを提案する。
嗜好判断において、我々は、そのコンテキスト内でのユーザの嗜好に対して、生成的シーケンシャルなレコメンデーションシステムを明示的に条件付けする。
ユーザレビューと項目固有データに基づいて,Large Language Models (LLMs) を用いてユーザ嗜好を生成する。
論文 参考訳（メタデータ） (2024-12-11T18:26:55Z) - A Survey of Generative Search and Recommendation in the Era of Large Language Models [125.26354486027408]
ジェネレーティブ検索(検索)とレコメンデーションは、マッチング問題をジェネレーティブな方法で解決することを目的としている。
超知能生成型大規模言語モデルが検索と推薦の新しいパラダイムを生み出した。
論文 参考訳（メタデータ） (2024-04-25T17:58:17Z) - Improving Retrieval in Theme-specific Applications using a Corpus
Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。
ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。
プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文 参考訳（メタデータ） (2024-03-07T02:34:54Z) - InteraRec: Screenshot Based Recommendations Using Multimodal Large Language Models [0.6926105253992517]
InteraRecと呼ばれる洗練されたインタラクティブなレコメンデーションフレームワークを紹介します。
InteraRecは、ユーザがWebサイトをナビゲートするときに、Webページの高周波スクリーンショットをキャプチャする。
ユーザに対して価値あるパーソナライズされたオファリングを提供する上で、InteraRecの有効性を実証する。
論文 参考訳（メタデータ） (2024-02-26T17:47:57Z) - Evaluating Generative Ad Hoc Information Retrieval [58.800799175084286]
生成検索システムは、しばしばクエリに対する応答として、接地された生成されたテキストを直接返す。
このような生成的アドホック検索を適切に評価するには,テキスト応答の有用性の定量化が不可欠である。
論文 参考訳（メタデータ） (2023-11-08T14:05:00Z) - Impression-Aware Recommender Systems [53.48892326556546]
本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。
そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。
提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2023-05-08T21:48:17Z) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳（メタデータ） (2021-04-27T08:03:52Z) - Exploration-Exploitation Motivated Variational Auto-Encoder for
Recommender Systems [1.52292571922932]
協調フィルタリングにおいて,エクスプロビテーション探索型変分自動エンコーダ(XploVAE)を導入する。
パーソナライズされたレコメンデーションを容易にするために、観測されたユーザとイテムのインタラクションを1次にキャプチャする、ユーザ固有のサブグラフを構築した。
階層的潜在空間モデルを用いて、各ユーザに対するパーソナライズされたアイテム埋め込みと、全ユーザサブグラフの人口分布を学習する。
論文 参考訳（メタデータ） (2020-06-05T17:37:46Z)
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。