論文の概要: Search Timelines: Visualizing Search History to Enable Cross-Session Exploratory Search
- arxiv url: http://arxiv.org/abs/2504.16741v1
- Date: Wed, 23 Apr 2025 14:10:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 16:00:10.701656
- Title: Search Timelines: Visualizing Search History to Enable Cross-Session Exploratory Search
- Title（参考訳）: 検索タイムライン: 検索履歴を視覚化して、クロスセッション探索を可能にする
- Authors: Orland Hoeber, Md Nazmul Islam, Miriam Boon, Dale Storie, Veronica Ramshaw,
- Abstract要約: 探索検索が可能となるタイムパンは、検索者にとって検索活動に関する重要な詳細を覚えることが困難になる。
本稿では,公開デジタルライブラリにおけるクロスセッション探索を支援するための検索インタフェースを提案する。
- 参考スコア（独自算出の注目度）: 1.1600069420834453
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: The timespan over which exploratory searching can occur, as well as the scope and volume of the search activities undertaken, can make it difficult for searchers to remember key details about their search activities. These difficulties are present both in the midst of searching as well as when resuming a search that spans multiple sessions. In this paper, we present a search interface designed to support cross-session exploratory search in a public digital library context. Methods: Search Timelines provides a visualization of current and past search activities via a dynamic timeline of the search activity (queries and saved resources). This timeline is presented at two levels of detail. An overview timeline is provided alongside the search results in a typical search engine results page design. A detailed timeline is provided in the workspace, where searchers can review the history of their search activities and their saved resources. A controlled laboratory study was conducted to compare this approach to a baseline interface modelled after a typical public digital library search/workspace interface. Results: Participants who used Search Timelines reported higher levels of user engagement, usability, and perceived knowledge gain, during an initial search session and when resuming the search after a 7-8 day interval. This came at the expense of the searchers taking more time to complete the search task, which we view as positive evidence of engagement in cross-session exploratory search processes. Conclusion: Search Timelines serves as an example of how lightweight visualization approaches can be used to enhance typical search interface designs to support exploratory search. The results highlight the value of providing persistent representations of past search activities within the search interface.
- Abstract（参考訳）: 目的:探索的な探索が可能である時間と,探索活動のスコープと容積は,探索者が検索活動に関する重要な詳細を覚えるのを困難にしている。
これらの困難は、検索中だけでなく、複数のセッションにまたがる検索を再開する際にも発生する。
本稿では,公開デジタルライブラリにおけるクロスセッション探索検索を支援するための検索インタフェースを提案する。
メソッド: Search Timelinesは、検索アクティビティ(クエリと保存されたリソース)の動的タイムラインを通じて、現在の検索アクティビティと過去の検索アクティビティを視覚化する。
このタイムラインは2つのレベルの詳細で示されています。
典型的な検索結果ページ設計において、検索結果と並行して概要タイムラインが提供される。
ワークスペースには詳細なタイムラインが提供されており、検索者は検索履歴と保存されたリソースをレビューすることができる。
本手法を,典型的なデジタルライブラリ検索/ワークスペースインタフェースをモデルとしたベースラインインタフェースと比較するために,制御された実験室実験を行った。
結果: 検索タイムラインを用いた参加者は, 検索セッション中および7～8日間隔で検索を再開した場合, ユーザエンゲージメント, ユーザビリティ, 認知的知識獲得のレベルが高かった。
これは、探索作業の完了により多くの時間を要するサーチが犠牲になったためであり、我々はクロスセッション探索プロセスにおけるエンゲージメントの肯定的な証拠であると考えている。
結論:検索タイムラインは、探索検索をサポートする典型的な検索インターフェース設計を強化するために、どのように軽量な視覚化アプローチを使うかの例である。
その結果,検索インタフェース内で過去の検索活動の永続的な表現を提供することの価値が浮き彫りになった。
関連論文リスト
- Implicit Search via Discrete Diffusion: A Study on Chess [104.74301574891359]
本稿では,DiffuSearchを提案する。DiffuSearchは,離散拡散モデルを用いて未来を探索し,テキストをシンプルに検索するモデルである。
DiffuSearchをChessという古典的なボードゲームでインスタンス化する。
DiffuSearchは、検索不要と明示的な検索強化ポリシーの両方で優れていることを示す。
論文 参考訳（メタデータ） (2025-02-27T06:25:15Z) - Conversational Exploratory Search of Scholarly Publications Using Knowledge Graphs [3.3916160303055567]
我々は,知識グラフを用いた学術出版物探索のための会話検索システムを開発した。
システムの有効性を評価するために,様々な評価指標を用い,40名の被験者で人的評価を行った。
論文 参考訳（メタデータ） (2024-10-01T06:16:07Z) - 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) - A Partially Supervised Reinforcement Learning Framework for Visual
Active Search [36.966522001393734]
ビジュアルアクティブサーチ(VAS)は、探索のガイドとして視覚的手がかりを用いるモデリングフレームワークとして提案されている。
本稿では,DRLの長所と従来のアクティブ検索の長所を併用して,探索ポリシーを予測モジュールに分解する手法を提案する。
そこで我々は,学習時間と意思決定時間の両方で得られた教師付き情報を効果的に活用できる新しいメタラーニング手法を開発した。
論文 参考訳（メタデータ） (2023-10-15T00:29:35Z) - Investigating Conversational Search Behavior For Domain Exploration [0.5512295869673147]
本研究では,未知の情報景観を通したナビゲーションのオープンな探索行動について検討する。
5つの領域にわたる一般的な情報探索パターンを明らかにするために,統計解析とプロセスマイニング手法を適用した。
論文 参考訳（メタデータ） (2023-01-10T17:43:03Z) - A Visual Active Search Framework for Geospatial Exploration [36.31732056074638]
多くの問題は、航空画像によって支援された地理空間探索の形式と見なすことができる。
我々は3つの重要な入力を持つ視覚的能動探索(VAS)フレームワークでこの問題をモデル化する。
完全注釈付き検索タスクの集合からメタ検索ポリシーを学習するVASのための強化学習手法を提案する。
論文 参考訳（メタデータ） (2022-11-28T21:53:05Z) - CrossBeam: Learning to Search in Bottom-Up Program Synthesis [51.37514793318815]
ボトムアップ合成のためのハンズオン検索ポリシーを学習するためのニューラルネットワークのトレーニングを提案する。
私たちのアプローチは、CrossBeamと呼ばれ、ニューラルモデルを使用して、以前に探索されたプログラムを新しいプログラムに組み合わせる方法を選択します。
我々はCrossBeamが効率的に検索することを学び、最先端技術と比較してプログラム空間のより小さな部分を探索する。
論文 参考訳（メタデータ） (2022-03-20T04:41:05Z) - 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) - Exploring Complicated Search Spaces with Interleaving-Free Sampling [127.07551427957362]
本稿では,長距離接続を伴う複雑な検索空間上に探索アルゴリズムを構築する。
我々はtextbfIF-NAS という単純なアルゴリズムを提案し、異なるサブネットワークを構築するために周期的なサンプリング戦略を実行する。
提案した探索空間において、IF-NASはランダムサンプリングと従来の重み付け検索のアルゴリズムを有意差で上回っている。
論文 参考訳（メタデータ） (2021-12-05T06:42:48Z) - 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) - Global2Local: Efficient Structure Search for Video Action Segmentation [64.99046987598075]
グローバルからローカルへの検索方式により,より良い受容的場の組み合わせを見つけることを提案する。
提案手法は, 粗い組み合わせを見つけるためにグローバル検索と局所探索を併用し, 洗練された受容場の組み合わせパターンを得る。
我々のグローバル-ローカル検索は、既存のアクションセグメンテーション手法にプラグインすることで、最先端のパフォーマンスを実現することができる。
論文 参考訳（メタデータ） (2021-01-04T12:06:03Z)
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。