Fugu-MT 論文翻訳(概要): ClusterTalk: Corpus Exploration Framework using Multi-Dimensional Exploratory Search

論文の概要: ClusterTalk: Corpus Exploration Framework using Multi-Dimensional Exploratory Search

arxiv url: http://arxiv.org/abs/2412.14533v1
Date: Thu, 19 Dec 2024 05:11:16 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-20 13:32:09.045867
Title: ClusterTalk: Corpus Exploration Framework using Multi-Dimensional Exploratory Search
Title（参考訳）: ClusterTalk: 多次元探索探索を用いたコーパス探索フレームワーク
Authors: Ashish Chouhan, Saifeldin Mandour, Michael Gertz,
Abstract要約: ClusterTalkは多次元探索探索を用いたコーパス探索のためのフレームワークである。本システムでは,文書クラスタリングと顔検索を統合し,対話的に探索を洗練し,コーパスや文書レベルのクエリを問うことができる。
参考スコア（独自算出の注目度）: 3.4123736336071864
License:
Abstract: Exploratory search of large text corpora is essential in domains like biomedical research, where large amounts of research literature are continuously generated. This paper presents ClusterTalk (The demo video and source code are available at: https://github.com/achouhan93/ClusterTalk), a framework for corpus exploration using multi-dimensional exploratory search. Our system integrates document clustering with faceted search, allowing users to interactively refine their exploration and ask corpus and document-level queries. Compared to traditional one-dimensional search approaches like keyword search or clustering, this system improves the discoverability of information by encouraging a deeper interaction with the corpus. We demonstrate the functionality of the ClusterTalk framework based on four million PubMed abstracts for the four-year time frame.
Abstract（参考訳）: 大規模なテキストコーパスの探索的探索は、大量の研究文献が連続的に生成される生物医学研究のような領域において不可欠である。本稿では,多次元探索探索を用いたコーパス探索のためのフレームワークであるClusterTalk(デモビデオとソースコードは,https://github.com/achouhan93/ClusterTalk)を紹介する。本システムでは,文書クラスタリングと顔検索を統合し,対話的に探索を洗練し,コーパスや文書レベルのクエリを問うことができる。キーワード検索やクラスタリングのような従来の一次元探索手法と比較して,コーパスとの深い相互作用を奨励することにより,情報の発見性を向上させる。 4年間の期間で400万のPubMedを抽象化したClusterTalkフレームワークの機能を実演する。

関連論文リスト

PseudoSeer: a Search Engine for Pseudocode [18.726136894285403]
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。
論文参考訳（メタデータ） (2024-11-19T16:58:03Z)
Knowledge-Aware Query Expansion with Large Language Models for Textual and Relational Retrieval [49.42043077545341]
知識グラフ(KG)から構造化文書関係を付加したLLMを拡張した知識対応クエリ拡張フレームワークを提案する。文書テキストをリッチなKGノード表現として活用し、KAR(Knowledge-Aware Retrieval)のための文書ベースの関係フィルタリングを利用する。
論文参考訳（メタデータ） (2024-10-17T17:03:23Z)
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)
DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
論文参考訳（メタデータ） (2023-09-04T20:52:33Z)
Generate rather than Retrieve: Large Language Models are Strong Context Generators [74.87021992611672]
本稿では,文書検索を大規模言語モデル生成器に置き換えることで,知識集約型タスクを解く新しい視点を提案する。我々は,提案手法をgenRead (genRead) と呼び,まず大きな言語モデルに対して,与えられた質問に基づいて文脈文書を生成し,次に生成された文書を読み出して最終回答を生成する。
論文参考訳（メタデータ） (2022-09-21T01:30:59Z)
MICO: Selective Search with Mutual Information Co-training [14.456028769565386]
MICOは、選択探索のための相互情報COトレーニングフレームワークである。トレーニング後、MICOは文書をクラスタ化するだけでなく、検索を効率的にするために、未確認のクエリを関連するクラスタにルーティングする。
論文参考訳（メタデータ） (2022-09-09T16:26:52Z)
Text Summarization with Latent Queries [60.468323530248945]
本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
論文参考訳（メタデータ） (2021-05-31T21:14:58Z)
A New Neural Search and Insights Platform for Navigating and Organizing AI Research [56.65232007953311]
我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
論文参考訳（メタデータ） (2020-10-30T19:12:25Z)
A Feature Analysis for Multimodal News Retrieval [9.269820020286382]
画像とテキストの5つの特徴型について検討し,異なる組み合わせによる検索システムの性能の比較を行った。実験結果から,視覚情報とテキスト情報の両方を考慮すると,検索精度が向上することが示された。
論文参考訳（メタデータ） (2020-07-13T14:09:29Z)
Interactive Extractive Search over Biomedical Corpora [41.72755714431404]
本稿では,生命科学研究者が言語的に注釈付けされたテキストのコーパスを検索できるようにするシステムを提案する。本稿では,下層の言語表現の詳細を知る必要のない軽量なクエリ言語を提案する。探索は,効率的な言語グラフインデクシングと検索エンジンにより,対話的な速度で行われる。
論文参考訳（メタデータ） (2020-06-07T13:26:32Z)
Search Result Clustering in Collaborative Sound Collections [17.48516881308658]
大規模オンラインデータベースを問合せする際に得られた多様な音声コレクションをクラスタリングするために,音声特徴を用いたグラフベースのアプローチを提案する。不整合クラスタを破棄する信頼性尺度を用いることで,パーティションの品質が向上することを示す。
論文参考訳（メタデータ） (2020-04-08T13:08:17Z)

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。