論文の概要: Similarity = Value? Consultation Value Assessment and Alignment for Personalized Search

• arxiv url: http://arxiv.org/abs/2506.14437v1
• Date: Tue, 17 Jun 2025 11:56:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.453046
• Title: Similarity = Value? Consultation Value Assessment and Alignment for Personalized Search
• Title（参考訳）: 類似度=値? パーソナライズされた検索のためのコンサルテーション価値評価とアライメント
• Authors: Weicong Qin, Yi Xu, Weijie Yu, Teng Shi, Chenglei Shen, Ming He, Jianping Fan, Xiao Zhang, Jun Xu,
• Abstract要約: 検索サービスのパーソナライズへの活用はトレンドだ。 既存のメソッドは通常、過去のコンサルテーションを現在のクエリと整合させるために意味的類似性に依存する。 歴史的コンサルテーションを3つの新しい視点から評価するコンサルテーション価値評価フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 15.524114495939735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalized search systems in e-commerce platforms increasingly involve user interactions with AI assistants, where users consult about products, usage scenarios, and more. Leveraging consultation to personalize search services is trending. Existing methods typically rely on semantic similarity to align historical consultations with current queries due to the absence of 'value' labels, but we observe that semantic similarity alone often fails to capture the true value of consultation for personalization. To address this, we propose a consultation value assessment framework that evaluates historical consultations from three novel perspectives: (1) Scenario Scope Value, (2) Posterior Action Value, and (3) Time Decay Value. Based on this, we introduce VAPS, a value-aware personalized search model that selectively incorporates high-value consultations through a consultation-user action interaction module and an explicit objective that aligns consultations with user actions. Experiments on both public and commercial datasets show that VAPS consistently outperforms baselines in both retrieval and ranking tasks.
• Abstract（参考訳）: eコマースプラットフォームのパーソナライズされた検索システムは、AIアシスタントとのユーザインタラクションがますます多くなり、ユーザーは製品や利用シナリオなどについて相談する。 検索サービスをパーソナライズするためのコンサルティングの活用がトレンドになっている。 既存の手法では,従来のコンサルテーションと「値」ラベルが存在しないため,過去のコンサルテーションを現在のクエリと整合させるために意味的類似性に頼っていることが多いが,意味的類似性だけではパーソナライズのためのコンサルテーションの真の価値を捉えることができないことが多い。 そこで我々は,(1)シナリオスコープ値,(2)ポストリアアクション値,(3)タイムデベイ値の3つの新しい視点から,過去のコンサルテーションを評価するコンサルテーション価値評価フレームワークを提案する。 VAPSは, ユーザアクションインタラクションモジュールを通じて, 高価値コンサルテーションを選択的に組み込んだ, 価値認識型パーソナライズド検索モデルであり, ユーザアクションとコンサルテーションを整合させる明示的な目的である。 パブリックデータセットと商用データセットの両方の実験は、VAPSが検索タスクとランキングタスクの両方において、ベースラインを一貫して上回っていることを示している。

関連論文リスト

• SessionIntentBench: A Multi-task Inter-session Intention-shift Modeling Benchmark for E-commerce Customer Behavior Understanding [64.45047674586671]
  本稿では,意図木の概念を導入し,データセットキュレーションパイプラインを提案する。 我々は,L(V)LMsのセッション間意図シフト理解能力を評価するマルチモーダルベンチマークSessionIntentBenchを構築した。 1,952,177の意図的エントリ,1,132,145のセッション意図軌跡,および10,905のセッションを使用してマイニングされた13,003,664のタスクにより,既存のセッションデータを活用可能なスケーラブルな方法を提供する。
  論文  参考訳（メタデータ） (2025-07-27T09:04:17Z)
• Multi-agents based User Values Mining for Recommendation [52.26100802380767]
  効率的なユーザ値抽出のためのゼロショットマルチLLM協調フレームワークを提案する。 本研究は,本質的な意味を保ちながら,項目内容のコンデンスにテキスト要約手法を適用した。 幻覚を緩和するために,評価役と監督役の2つの特殊エージェントの役割を導入する。
  論文  参考訳（メタデータ） (2025-05-02T04:01:31Z)
• MAPS: Motivation-Aware Personalized Search via LLM-Driven Consultation Alignment [16.10791252542592]
  モチベーション・アウェア・パーソナライズド・サーチは、ユーザの好みや検索意図に合ったアイテムを検索してランク付けすることを目的としている。 実世界のeコマースプラットフォームを分析したところ、ユーザーは検索する前にしばしば関連するコンサルティングに従事していることがわかった。 そこで本研究では,MAPS(Motivation-Aware Personalized Search)手法を提案する。
  論文  参考訳（メタデータ） (2025-03-03T16:24:36Z)
• Do Retrieval-Augmented Language Models Adapt to Varying User Needs? [28.729041459278587]
  本稿では,3つのユーザニーズ条件下でALMを体系的に評価する新しい評価フレームワークを提案する。 ユーザインストラクションと検索された情報の性質の両方を変えることで、我々のアプローチは現実世界のアプリケーションの複雑さを捉えます。 本研究は,検索システム開発におけるユーザ中心評価の必要性を浮き彫りにするものである。
  論文  参考訳（メタデータ） (2025-02-27T05:39:38Z)
• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• Centrality-aware Product Retrieval and Ranking [14.710718676076327]
  本稿では,ユーザの検索クエリに関連する製品ランキングを強化することで,eコマースプラットフォーム上でのユーザエクスペリエンス向上の課題に対処する。 eBayのサンプルをキュレートし、購入者中心の関連スコアと集中度スコアを手作業でアノテートしました。 本稿では,既存モデルに対するユーザインテリジェンス中心性最適化(UCO)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-21T11:59:14Z)
• QAGCF: Graph Collaborative Filtering for Q&A Recommendation [58.21387109664593]
  質問と回答(Q&A)プラットフォームは通常、ユーザの知識獲得のニーズを満たすために質問と回答のペアを推奨する。 これにより、ユーザの振る舞いがより複雑になり、Q&Aレコメンデーションの2つの課題が提示される。 グラフニューラルネットワークモデルであるQ&Answer Graph Collaborative Filtering (QAGCF)を導入する。
  論文  参考訳（メタデータ） (2024-06-07T10:52:37Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• When Search Meets Recommendation: Learning Disentangled Search Representation for Recommendation [56.98380787425388]
  シークエンシャルレコメンデーション(SESRec)のための検索強化フレームワークを提案する。 SESRec は、S&R の振る舞いにおいて類似および異種表現を分離する。 産業用と公共用両方のデータセットの実験では、SESRecが最先端のモデルより一貫して優れていることが示されている。
  論文  参考訳（メタデータ） (2023-05-18T09:04:50Z)
• 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)

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。