論文の概要: Understanding Inter-Session Intentions via Complex Logical Reasoning
- arxiv url: http://arxiv.org/abs/2312.13866v1
- Date: Thu, 21 Dec 2023 14:03:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 14:40:51.614949
- Title: Understanding Inter-Session Intentions via Complex Logical Reasoning
- Title(参考訳): 複雑な論理推論によるセッション間意図の理解
- Authors: Jiaxin Bai, Chen Luo, Zheng Li, Qingyu Yin, Yangqiu Song
- Abstract要約: ユーザ意図は複雑で、複数のセッションとAnd、Or、Notといった論理演算子によって接続される属性要求を含む。
本稿では,セッションをアイテムのハイパーエッジとして扱う,論理的セッション複雑クエリ応答のタスクを紹介する。
また,新たなモデルであるLSGT(Logical Session Graph Transformer)を提案する。
- 参考スコア(独自算出の注目度): 53.856664702831424
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Understanding user intentions is crucial for enhancing product
recommendations, navigation suggestions, and query reformulations. However,
user intentions can be complex, involving multiple sessions and attribute
requirements connected by logical operators such as And, Or, and Not. For
example, a user may search for Nike or Adidas running shoes across various
sessions, with a preference for the color purple. In another case, a user may
have purchased a mattress in a previous session and is now seeking a
corresponding bed frame without intending to buy another mattress. Prior
research on session understanding has not sufficiently addressed how to make
product or attribute recommendations for such complex intentions. In this
paper, we introduce the task of logical session complex query answering, where
sessions are treated as hyperedges of items, and we formulate the problem of
complex intention understanding as a task of logical session complex queries
answering (LS-CQA) on an aggregated hypergraph of sessions, items, and
attributes. The proposed task is a special type of complex query answering task
with sessions as ordered hyperedges. We also propose a new model, the Logical
Session Graph Transformer (LSGT), which captures interactions among items
across different sessions and their logical connections using a transformer
structure. We analyze the expressiveness of LSGT and prove the permutation
invariance of the inputs for the logical operators. We evaluate LSGT on three
datasets and demonstrate that it achieves state-of-the-art results.
- Abstract(参考訳): ユーザの意図を理解することは、製品レコメンデーション、ナビゲーション提案、クエリ修正を強化するために重要です。
しかし、ユーザの意図は複雑になり、複数のセッションとAnd、Or、Notといった論理演算子によって接続される属性要求が伴う。
例えば、ユーザーは様々なセッションでナイキやアディダスのランニングシューズを検索できる。
別のケースでは、ユーザーは前回のセッションでマットレスを購入し、別のマットレスを購入するつもりもなく、対応するベッドフレームを求めている。
セッション理解に関する以前の研究では、このような複雑な意図に対する製品や属性の推奨方法が十分に解決されていない。
本稿では,セッションをアイテムのハイパーエッジとして扱う論理セッション複合クエリ応答のタスクを紹介し,セッション,項目,属性の集約ハイパーグラフ上での論理セッション複合クエリ応答(LS-CQA)のタスクとして,複雑な意図理解の問題を定式化する。
提案するタスクは,セッションを順序付きハイパーエッジとする,特別なタイプの複雑なクエリ応答タスクである。
また,新たなモデルであるLSGT(Logical Session Graph Transformer)を提案する。
LSGTの表現性を解析し、論理演算子に対する入力の置換不変性を証明する。
LSGTを3つのデータセットで評価し,その結果が得られたことを示す。
関連論文リスト
- Context-aware Session-based Recommendation with Graph Neural Networks [6.825493772727133]
グラフニューラルネットワークを用いた新しいコンテキスト認識セッションベースレコメンデーションモデルであるCARESを提案する。
まず,マルチリレーショナル・クロスセッショングラフを構築し,アイテム内およびクロスセッション・アイテムレベルのコンテキストに応じてアイテムを接続する。
ユーザの興味の変動をエンコードするために、パーソナライズされたアイテム表現を設計する。
論文 参考訳(メタデータ) (2023-10-14T14:29:52Z) - Decomposing Complex Queries for Tip-of-the-tongue Retrieval [72.07449449115167]
複雑なクエリは、コンテンツ要素(例えば、書籍の文字やイベント)、ドキュメントテキスト以外の情報を記述する。
この検索設定は舌の先端 (TOT) と呼ばれ、クエリと文書テキスト間の語彙的および意味的重複に依存するモデルでは特に困難である。
クエリを個別のヒントに分解し、サブクエリとしてルーティングし、特定の検索者にルーティングし、結果をアンサンブルすることで、このような複雑なクエリを扱うための、シンプルで効果的なフレームワークを導入します。
論文 参考訳(メタデータ) (2023-05-24T11:43:40Z) - Learning to Retrieve Engaging Follow-Up Queries [12.380514998172199]
ユーザが持つ可能性のある次の質問を予測するための検索ベースシステムと関連するデータセットを提案する。
このようなシステムは,ユーザの知識探索を積極的に支援することで,より活発な対話を実現する。
論文 参考訳(メタデータ) (2023-02-21T20:26:23Z) - Successive Prompting for Decomposing Complex Questions [50.00659445976735]
最近の研究は、大規模言語モデル(LM)の機能を活用して、数ショットで複雑な質問応答を行う。
そこでは、複雑なタスクを単純なタスクに繰り返し分解し、それを解決し、最終解を得るまでプロセスを繰り返します。
我々の最良のモデル(逐次プロンプト付き)は、DROPデータセットの数ショットバージョンにおいて、5%の絶対F1の改善を実現します。
論文 参考訳(メタデータ) (2022-12-08T06:03:38Z) - Query2Particles: Knowledge Graph Reasoning with Particle Embeddings [49.64006979045662]
本稿では,知識グラフにエッジを欠いた複雑な論理的クエリに応答するクエリ埋め込み手法を提案する。
回答エンティティは、エンティティの埋め込みとクエリの埋め込みの類似性に応じて選択される。
埋め込み空間上の様々な領域から多様な回答を検索するために,複雑なKGクエリ応答方法Q2Pを提案する。
論文 参考訳(メタデータ) (2022-04-27T11:16:08Z) - Query Embedding on Hyper-relational Knowledge Graphs [0.4779196219827507]
マルチホップ論理推論は知識グラフ上の表現学習の分野で確立された問題である。
我々はマルチホップ推論問題をハイパーリレーショナルなKGに拡張し、この新しいタイプの複雑なクエリに対処する。
論文 参考訳(メタデータ) (2021-06-15T14:08:50Z) - 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) - Conversational Semantic Parsing [50.954321571100294]
共参照解決やコンテキスト転送といったセッションベースのプロパティは、パイプラインシステムで下流で処理される。
60kの発話からなる20kセッションからなる,セッションベースで構成型タスク指向構文解析データセットを新たにリリースする。
セッションベース解析のためのSeq2Seqモデルの新たなファミリーを提案し、ATIS, SNIPS, TOP, DSTC2における現在の最先端技術と同等の性能を実現する。
論文 参考訳(メタデータ) (2020-09-28T22:08:00Z)
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。