論文の概要: PseudoSeer: a Search Engine for Pseudocode

• arxiv url: http://arxiv.org/abs/2411.12649v1
• Date: Tue, 19 Nov 2024 16:58:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:35:11.185787
• Title: PseudoSeer: a Search Engine for Pseudocode
• Title（参考訳）: PseudoSeer: Pseudocodeの検索エンジン
• Authors: Levent Toksoz, Mukund Srinath, Gang Tan, C. Lee Giles,
• Abstract要約: 疑似コードを含む学術論文の効率的な検索と検索を容易にするために、新しい擬似コード検索エンジンが設計された。 スニペットを活用することで、ユーザはタイトル、抽象情報、著者情報、コードスニペットなど、紙のさまざまな面を検索できる。 重み付けされたBM25ベースのランキングアルゴリズムを検索エンジンで使用し、検索結果の優先順位付け時に考慮される要因について述べる。
• 参考スコア（独自算出の注目度）: 18.726136894285403
• License:
• Abstract: A novel pseudocode search engine is designed to facilitate efficient retrieval and search of academic papers containing pseudocode. By leveraging Elasticsearch, the system enables users to search across various facets of a paper, such as the title, abstract, author information, and LaTeX code snippets, while supporting advanced features like combined facet searches and exact-match queries for more targeted results. A description of the data acquisition process is provided, with arXiv as the primary data source, along with methods for data extraction and text-based indexing, highlighting how different data elements are stored and optimized for search. A weighted BM25-based ranking algorithm is used by the search engine, and factors considered when prioritizing search results for both single and combined facet searches are described. We explain how each facet is weighted in a combined search. Several search engine results pages are displayed. Finally, there is a brief overview of future work and potential evaluation methodology for assessing the effectiveness and performance of the search engine is described.
• Abstract（参考訳）: 疑似コードを含む学術論文の効率的な検索と検索を容易にするために、新しい擬似コード検索エンジンが設計された。 Elasticsearchを利用することで、ユーザはタイトル、抽象情報、著者情報、LaTeXコードスニペットなど、論文のさまざまなファセットを検索できると同時に、よりターゲットを絞った結果に対して、統合されたファセット検索や正確なマッチクエリなどの高度な機能をサポートすることができる。 データ取得プロセスの説明と、arXivを主データソースとし、データ抽出とテキストベースのインデックス作成の方法を提供し、異なるデータ要素をどのように保存し、検索に最適化するかを強調する。 検索エンジンでは、重み付けされたBM25ベースのランキングアルゴリズムを用い、単一の顔検索と組み合わせた顔検索の検索結果の優先順位付けを行う際の要因について述べる。 それぞれの顔の重み付けを組み合わせて検索する方法について説明する。 いくつかの検索結果ページが表示される。 最後に,今後の作業の概要と,検索エンジンの有効性と性能を評価するための潜在的評価手法について述べる。

関連論文リスト

• VectorSearch: Enhancing Document Retrieval with Semantic Embeddings and Optimized Search [1.0411820336052784]
  本稿では、高度なアルゴリズム、埋め込み、インデックス化技術を活用して洗練された検索を行うVectorSearchを提案する。 提案手法は,革新的なマルチベクタ探索操作と高度な言語モデルによる検索の符号化を利用して,検索精度を大幅に向上させる。 実世界のデータセットの実験では、VectorSearchがベースラインのメトリクスを上回っている。
  論文  参考訳（メタデータ） (2024-09-25T21:58:08Z)
• Query-oriented Data Augmentation for Session Search [71.84678750612754]
  本稿では,検索ログの強化とモデリングの強化を目的としたクエリ指向データ拡張を提案する。 検索コンテキストの最も重要な部分を変更することで補足的なトレーニングペアを生成する。 我々は、現在のクエリを変更するためのいくつかの戦略を開発し、その結果、様々な難易度で新しいトレーニングデータを得る。
  論文  参考訳（メタデータ） (2024-07-04T08:08:33Z)
• Generative Retrieval as Multi-Vector Dense Retrieval [71.75503049199897]
  生成検索は、文書の識別子をエンドツーエンドで生成する。 それまでの研究は、原子識別子による生成的検索が単一ベクトル密度検索と等価であることを示した。 生成的検索と多ベクトル高密度検索は,文書の問合せに対する関連性を測定するのと同じ枠組みを共有していることを示す。
  論文  参考訳（メタデータ） (2024-03-31T13:29:43Z)
• LIST: Learning to Index Spatio-Textual Data for Embedding based Spatial Keyword Queries [53.843367588870585]
  リスト K-kNN 空間キーワードクエリ (TkQ) は、空間的およびテキスト的関連性の両方を考慮したランキング関数に基づくオブジェクトのリストを返す。 効率的かつ効率的な指標、すなわち高品質なラベルの欠如とバランスの取れない結果を構築する上で、大きな課題が2つある。 この2つの課題に対処する新しい擬似ラベル生成手法を開発した。
  論文  参考訳（メタデータ） (2024-03-12T05:32:33Z)
• How Does Generative Retrieval Scale to Millions of Passages? [68.98628807288972]
  各種コーパス尺度における生成的検索手法の実証的研究を行った。 我々は8.8Mパスのコーパスで数百万のパスに生成検索をスケールし、モデルサイズを最大11Bパラメータまで評価する。 生成的検索は、小さなコーパス上の最先端のデュアルエンコーダと競合するが、数百万のパスへのスケーリングは依然として重要で未解決の課題である。
  論文  参考訳（メタデータ） (2023-05-19T17:33:38Z)
• Automated Query Generation for Evidence Collection from Web Search Engines [2.642698101441705]
  インターネット上で情報を探すことで、いわゆる事実を確認できることが広く受け入れられている。 このプロセスでは、事実に基づいて検索クエリを定式化し、それを検索エンジンに提示するためにファクトチェッカーが必要である。 まず,第1ステップ,問合せ生成の自動化が可能かどうかを問う。
  論文  参考訳（メタデータ） (2023-03-15T14:32:00Z)
• Unified Functional Hashing in Automatic Machine Learning [58.77232199682271]
  高速に統一された関数型ハッシュを用いることで,大きな効率向上が得られることを示す。 私たちのハッシュは"機能的"であり、表現やコードが異なる場合でも同等の候補を識別します。 ニューラルアーキテクチャ検索やアルゴリズム発見など、複数のAutoMLドメインで劇的な改善がなされている。
  論文  参考訳（メタデータ） (2023-02-10T18:50:37Z)
• Deep Reinforcement Agent for Efficient Instant Search [14.086339486783018]
  本稿では,関連する文書を検索する上で,意味的により健全なトークンを識別することで,負荷問題に対処することを提案する。 我々は、検索エンジンと直接対話し、単語の重要性を予測する強化エージェントを訓練する。 トリガーサーチ数とシステム性能のトレードオフを研究するために,新しい評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-17T22:47:15Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)

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。