論文の概要: Understanding Inter-Session Intentions via Complex Logical Reasoning
- arxiv url: http://arxiv.org/abs/2312.13866v2
- Date: Fri, 14 Jun 2024 07:47:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-17 19:24:01.450477
- Title: Understanding Inter-Session Intentions via Complex Logical Reasoning
- Title（参考訳）: 複雑な論理的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: 論理セッション複雑質問応答(LS-CQA)の課題について述べる。
セッション,項目,属性を集約したハイパーグラフ上で,LS-CQAタスクとして複雑な意図理解の問題をモデル化する。
新たなモデルであるLSGT(Logical Session Graph Transformer)を導入し,各セッション間のインタラクションとその論理的接続をキャプチャする。
- 参考スコア（独自算出の注目度）: 50.199811535229045
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Understanding user intentions is essential for improving product recommendations, navigation suggestions, and query reformulations. However, user intentions can be intricate, involving multiple sessions and attribute requirements connected by logical operators such as And, Or, and Not. For instance, a user may search for Nike or Adidas running shoes across various sessions, with a preference for purple. In another example, a user may have purchased a mattress in a previous session and is now looking for a matching bed frame without intending to buy another mattress. Existing research on session understanding has not adequately addressed making product or attribute recommendations for such complex intentions. In this paper, we present the task of logical session complex query answering (LS-CQA), where sessions are treated as hyperedges of items, and we frame the problem of complex intention understanding as an LS-CQA task on an aggregated hypergraph of sessions, items, and attributes. This is a unique complex query answering task with sessions as ordered hyperedges. We also introduce 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. By evaluating LSGT on three datasets, we 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、クエリ修正の改善に不可欠である。
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、ユーザーはさまざま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。
別の例では、ユーザーは前のセッションでマットレスを購入し、もう1つのマットレスを買うつもりもなく、一致するベッドフレームを探しているかもしれない。
セッション理解に関する既存の研究は、そのような複雑な意図に対する製品や属性の推薦に十分対応していない。
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的セッション複雑問い合わせ応答(LS-CQA)の課題について述べるとともに,セッション,項目,属性の集約ハイパーグラフ上で,複雑な意図理解の問題をLS-CQAタスクとして枠づける。
これは、順序付けられたハイパーエッジとしてセッションを伴うユニークな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を導入し,各セッション間のインタラクションと,その論理的接続をトランスフォーマ構造を用いてキャプチャする。
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。
3つのデータセット上でLSGTを評価することで、最先端の結果が得られることを示す。
関連論文リスト
- Session Context Embedding for Intent Understanding in Product Search [0.4551615447454769]
本稿では,検索と再帰におけるコンテキストの捕捉と活用を目的とした,セッションコンテキストのベクトル化手法を提案する。
実行時に、セッションの埋め込みは、各リクエストの後にクエリの埋め込み、保存、更新の代替となる。
ユーザ意図の理解のために,実行時のセッションコンテキストを無視した戦略の改善を実演する。
論文 参考訳（メタデータ） (2024-06-03T18:02:13Z) - Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。
本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。
オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
論文 参考訳（メタデータ） (2024-03-21T13:52:30Z) - 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) - 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) - UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question
Answering Over Knowledge Graph [89.98762327725112]
KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。
我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
論文 参考訳（メタデータ） (2022-12-02T04:08:09Z) - 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) - Distantly Supervised Transformers For E-Commerce Product QA [5.460297795256275]
Eコマースサービスの商品ページで、実用的なインスタント質問回答(QA)システムを提案します。
ユーザクエリごとに、関連するコミュニティの質問回答(CQA)ペアが取得される。
提案するトランスフォーマーモデルでは,統一構文表現と意味表現を共同学習し,堅牢な関連性関数を学習する。
論文 参考訳（メタデータ） (2021-04-07T06:37:16Z) - 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) - Revealing Secrets in SPARQL Session Level [16.87890519541061]
本稿では,大規模現実世界のSPARQLクエリログを網羅的に調査することにより,セッションレベルのユーザ検索行動の秘密を明らかにする。
本研究の潜在可能性を説明するために,本研究の応用例を用いる。
論文 参考訳（メタデータ） (2020-09-13T16:00:21Z)
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。