Fugu-MT 論文翻訳(概要): Unsupervised Search Algorithm Configuration using Query Performance Prediction

論文の概要: Unsupervised Search Algorithm Configuration using Query Performance Prediction

arxiv url: http://arxiv.org/abs/2210.00767v1
Date: Mon, 3 Oct 2022 08:55:24 GMT
ステータス: 処理完了
システム内更新日: 2022-10-04 16:11:05.268393
Title: Unsupervised Search Algorithm Configuration using Query Performance Prediction
Title（参考訳）: クエリ性能予測を用いた教師なし探索アルゴリズムの構成
Authors: Haggai Roitman
Abstract要約: 自動設定アプローチは、開発時間を短縮するために使用することができる。クエリのパフォーマンス予測に基づく単純なソリューションを提案する。これは、関連ラベルを必要とせず、特定のドメイン内のクエリのサンプルのみを必要とする。
参考スコア（独自算出の注目度）: 11.03275076597241
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Search engine configuration can be quite difficult for inexpert developers. Instead, an auto-configuration approach can be used to speed up development time. Yet, such an automatic process usually requires relevance labels to train a supervised model. In this work, we suggest a simple solution based on query performance prediction that requires no relevance labels but only a sample of queries in a given domain. Using two example usecases we demonstrate the merits of our solution.
Abstract（参考訳）: 検索エンジンの設定は、経験のない開発者にとって非常に難しい。代わりに、自動設定アプローチを使用して開発時間を短縮することができる。しかし、そのような自動プロセスは通常、教師付きモデルを訓練するために関連ラベルを必要とする。本研究では,関係ラベルを必要とせず,特定のドメイン内のクエリのサンプルのみを対象とする,クエリ性能予測に基づく単純なソリューションを提案する。 2つのユースケースを使って、ソリューションのメリットを実証します。

関連論文リスト

Improving Retrieval in Sponsored Search by Leveraging Query Context Signals [6.152499434499752]
本稿では,クエリをリッチなコンテキスト信号で拡張することで,クエリ理解を強化する手法を提案する。我々は、Web検索のタイトルとスニペットを使って、現実世界の情報にクエリを接地し、GPT-4を使ってクエリの書き直しと説明を生成する。我々の文脈認識アプローチは文脈自由モデルよりも大幅に優れている。
論文参考訳（メタデータ） (2024-07-19T14:28:53Z)
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)
Improving Text Matching in E-Commerce Search with A Rationalizable, Intervenable and Fast Entity-Based Relevance Model [78.80174696043021]
エンティティベース関連モデル(EBRM)と呼ばれる新しいモデルを提案する。この分解により、高精度にクロスエンコーダQE関連モジュールを使用できる。また、ユーザログから自動生成されたQEデータによるQEモジュールの事前トレーニングにより、全体的なパフォーマンスが向上することを示す。
論文参考訳（メタデータ） (2023-07-01T15:44:53Z)
Improved Compositional Generalization by Generating Demonstrations for Meta-Learning [53.818234285773165]
従来未解決であった構成動作分割に対して,他の分割に対する性能の損失を伴わずに,大幅な性能向上を示す。この場合、オラクル関数でさえも関連する実演を探すことは、メタラーニングを使用する際には十分な性能を得るには不十分である。
論文参考訳（メタデータ） (2023-05-22T14:58:54Z)
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)
How to Query An Oracle? Efficient Strategies to Label Data [59.89900843097016]
機械学習におけるデータセットのラベル付けに専門家の託宣を照会する際の基本的な問題について考察する。本稿では,サンプルをラベル付けするために,ラウンド・バイ・ラウンドでランダム化されたバッチアルゴリズムを提案し,クエリレートが$O(fracNk2)$であることを示す。さらに,適応型グリージークエリ方式を提案し,三重項クエリを用いたサンプルあたり平均$approx 0.2N$クエリを実現する。
論文参考訳（メタデータ） (2021-10-05T20:15:35Z)
"What makes my queries slow?": Subgroup Discovery for SQL Workload Analysis [1.3124513975412255]
サブグループディスカバリーに根ざした独自のアプローチを導入する。この汎用データマイニングフレームワークのインスタンス化と開発方法を示す。インタラクティブな知識発見のための可視化ツールも提供しています。
論文参考訳（メタデータ） (2021-08-09T09:44:13Z)
Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
論文参考訳（メタデータ） (2020-12-09T17:56:22Z)
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)

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。