論文の概要: Investigating Bias in Political Search Query Suggestions by Relative Comparison with LLMs

• arxiv url: http://arxiv.org/abs/2410.23879v1
• Date: Thu, 31 Oct 2024 12:40:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 11:30:28.095402
• Title: Investigating Bias in Political Search Query Suggestions by Relative Comparison with LLMs
• Title（参考訳）: LLMと相対比較による政治検索クエリのバイアス調査
• Authors: Fabian Haak, Björn Engelmann, Christin Katharina Kreutz, Philipp Schaer,
• Abstract要約: 検索クエリの提案のバイアスは、バイアスされた検索結果に露出し、意見の形成に影響を与える可能性がある。 我々は、英語の検索クエリー提案において、バイアスを特定し定量化するために、多段階のアプローチを用いる。 われわれのアプローチを米国の政治ニュース分野に適用し、GoogleとBingの偏見を比較する。
• 参考スコア（独自算出の注目度）: 1.5356574175312299
• License:
• Abstract: Search query suggestions affect users' interactions with search engines, which then influences the information they encounter. Thus, bias in search query suggestions can lead to exposure to biased search results and can impact opinion formation. This is especially critical in the political domain. Detecting and quantifying bias in web search engines is difficult due to its topic dependency, complexity, and subjectivity. The lack of context and phrasality of query suggestions emphasizes this problem. In a multi-step approach, we combine the benefits of large language models, pairwise comparison, and Elo-based scoring to identify and quantify bias in English search query suggestions. We apply our approach to the U.S. political news domain and compare bias in Google and Bing.
• Abstract（参考訳）: 検索クエリの提案は,ユーザの検索エンジンとのインタラクションに影響を与える。 したがって、検索クエリの提案のバイアスは、バイアス付き検索結果への露出を招き、意見形成に影響を及ぼす可能性がある。 これは特に政治的領域において重要である。 ウェブ検索エンジンにおけるバイアスの検出と定量化は、そのトピック依存、複雑性、主観性のために困難である。 クエリ提案の文脈と表現力の欠如は、この問題を強調している。 多段階のアプローチでは、大きな言語モデル、ペア比較、Eloに基づくスコアリングの利点を組み合わせて、英語の検索クエリー提案におけるバイアスを特定し定量化する。 当社のアプローチを米国の政治ニュースドメインに適用し、GoogleとBingの偏見を比較します。

関連論文リスト

• Auditing Google's Search Algorithm: Measuring News Diversity Across Brazil, the UK, and the US [0.0]
  本研究では,ブラジル,イギリス,米国における検索結果の分析により,Googleの検索アルゴリズムがニュースの多様性に与える影響について検討した。 Googleのシステムは、限られた数のニュースメディアを優先的に好んでいる。 発見は、検索結果のわずかに左に偏りを示し、人気のある、しばしば全国のメディアを好んでいることを示している。
  論文  参考訳（メタデータ） (2024-10-31T11:49:16Z)
• Overview of PerpectiveArg2024: The First Shared Task on Perspective Argument Retrieval [56.66761232081188]
  本稿では,社会における少数派・多数派を代表する年齢,性別,政治的態度など,人口・社会文化(社会)の多様性を包括する新しいデータセットを提案する。 パースペクティビズムを取り入れる上での重大な課題は、特に社会的なプロファイルを明示的に提供せずに、議論のテキストのみに基づくパーソナライズを目指す場合である。 パーソナライズと分極の低減を図るため, パーソナライズを最適化するためには, パーソナライズされた論証検索をブートストラップするが, さらなる研究が不可欠である。
  論文  参考訳（メタデータ） (2024-07-29T03:14:57Z)
• Fairness and Bias in Multimodal AI: A Survey [0.20971479389679337]
  人工知能(AI)システムにおける公平性とバイアスに対処することの重要性は、過度に強調できない。 我々は,LMM(Large Multimodal Model)における,LMM(Large Language Model)とLLM(Large Language Model)の比較的最小の妥当性と偏見について,ギャップを埋める。 我々は、両方のタイプのAIに関連するデータセットとモデルの50例と、それらに影響を与えるバイアスの課題を提示します。
  論文  参考訳（メタデータ） (2024-06-27T11:26:17Z)
• CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
  CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。 提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
  論文  参考訳（メタデータ） (2024-04-28T18:21:31Z)
• What Evidence Do Language Models Find Convincing? [94.90663008214918]
  議論の的になっているクエリと、さまざまな事実を含む実世界の証拠文書を組み合わせたデータセットを構築します。 このデータセットを用いて、感度と反ファクト分析を行い、どのテキスト特徴がLLM予測に最も影響するかを探索する。 全体として、現在のモデルは、クエリに対するWebサイトの関連性に大きく依存している一方で、人間が重要と考えるスタイル的特徴をほとんど無視している。
  論文  参考訳（メタデータ） (2024-02-19T02:15:34Z)
• Generative Echo Chamber? Effects of LLM-Powered Search Systems on Diverse Information Seeking [49.02867094432589]
  大規模言語モデル(LLM)を利用した対話型検索システムは、すでに数億人の人々が利用している。 評価バイアスのあるLCMが, ユーザの視点を補強したり, 異議を申し立てたりすることで, 効果が変化するか, どのように変化するかを検討する。
  論文  参考訳（メタデータ） (2024-02-08T18:14:33Z)
• Navigating the Thin Line: Examining User Behavior in Search to Detect Engagement and Backfire Effects [0.0]
  本研究では,様々なバイアス指標と検索結果の提示が,意見のあるユーザの多様性消費と検索行動に影響を及ぼすかどうかを検討する。 以上の結果から,参加者が(対人偏見の)検索結果に偏りを抱くことで,コンテンツに対する態度が向上することが示唆された。 また, 偏見は, 検索ページ内のインタラクションの全体的な減少傾向と関連していることがわかった。
  論文  参考訳（メタデータ） (2024-01-20T10:28:25Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)
• Analysing Mixed Initiatives and Search Strategies during Conversational Search [31.63357369175702]
  本稿では,対話型検索のモデルを提案する。そこから観察された対話型検索戦略をインスタンス化し,エージェントが引き起こす: (i) フィードバックファースト, (ii) フィードバックアフタ。 分析の結果,質問結果の提示後に質問された場合,質問内容の明確化が良好であるのに対して,質問内容の明確化が良好であることが判明した。
  論文  参考訳（メタデータ） (2021-09-13T13:30:10Z)
• The Matter of Chance: Auditing Web Search Results Related to the 2020 U.S. Presidential Primary Elections Across Six Search Engines [68.8204255655161]
  私たちは、Google、Baidu、Bing、DuckDuckGo、Yahoo、Yandexの"US Election"、"Donald trump"、"Joe Biden"、"bernie Sanders"の検索結果を調べます。 その結果, 検索エンジン間の検索結果と, エージェント間の検索結果の相違が有意な差があることが示唆された。
  論文  参考訳（メタデータ） (2021-05-03T11:18:19Z)
• Discovering and Categorising Language Biases in Reddit [5.670038395203354]
  本稿では,Reddit上のオンライン談話コミュニティの語彙に符号化された言語バイアスを自動的に検出するデータ駆動型手法を提案する。 単語埋め込みを用いて、テキストを高次元の高密度ベクトルに変換し、単語間の意味的関係をキャプチャする。 さまざまなRedditコミュニティにおいて、ジェンダーバイアス、宗教バイアス、民族バイアスの発見に成功しました。
  論文  参考訳（メタデータ） (2020-08-06T16:42:10Z)

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。