論文の概要: Adaptive Personalized Conversational Information Retrieval

• arxiv url: http://arxiv.org/abs/2508.08634v1
• Date: Tue, 12 Aug 2025 04:53:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.302898
• Title: Adaptive Personalized Conversational Information Retrieval
• Title（参考訳）: 適応的パーソナライズされた会話情報検索
• Authors: Fengran Mo, Yuchen Hui, Yuxing Tian, Zhaoxuan Tan, Chuan Meng, Zhan Su, Kaiyu Huang, Jian-Yun Nie,
• Abstract要約: 適応的なパーソナライズ手法を提案し、クエリに必要なパーソナライズレベルを最初に特定する。 我々は、異なるクエリに動的に融合重みを割り当てるために、パーソナライズ対応のランク付け融合アプローチを設計する。 その結果, APCIRの適応的パーソナライズの有効性は, 最先端の手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 30.206057429014294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalized conversational information retrieval (CIR) systems aim to satisfy users' complex information needs through multi-turn interactions by considering user profiles. However, not all search queries require personalization. The challenge lies in appropriately incorporating personalization elements into search when needed. Most existing studies implicitly incorporate users' personal information and conversational context using large language models without distinguishing the specific requirements for each query turn. Such a ``one-size-fits-all'' personalization strategy might lead to sub-optimal results. In this paper, we propose an adaptive personalization method, in which we first identify the required personalization level for a query and integrate personalized queries with other query reformulations to produce various enhanced queries. Then, we design a personalization-aware ranking fusion approach to assign fusion weights dynamically to different reformulated queries, depending on the required personalization level. The proposed adaptive personalized conversational information retrieval framework APCIR is evaluated on two TREC iKAT datasets. The results confirm the effectiveness of adaptive personalization of APCIR by outperforming state-of-the-art methods.
• Abstract（参考訳）: パーソナライズされた会話情報検索(CIR)システムは,ユーザプロファイルを考慮したマルチターンインタラクションによって,ユーザの複雑な情報要求を満たすことを目的としている。 しかし、全ての検索クエリがパーソナライズを必要とするわけではない。 課題は、必要に応じてパーソナライズ要素を検索に適切に組み込むことだ。 既存の研究の多くは、クエリターンごとに特定の要求を区別することなく、大きな言語モデルを用いてユーザーの個人情報と会話コンテキストを暗黙的に取り入れている。 このような 'one-size-fits-all'' のパーソナライズ戦略は、サブ最適結果につながる可能性がある。 本稿では、まずクエリに必要なパーソナライズレベルを特定し、パーソナライズされたクエリを他のクエリ修正と統合し、様々な拡張クエリを生成する適応パーソナライズ手法を提案する。 そこで我々は,要求されるパーソナライズレベルによって異なるクエリに動的に融合重みを割り当てる,パーソナライズ対応のランク付け融合手法を設計する。 提案する適応型対話情報検索フレームワークであるAPCIRを2つのTREC iKATデータセット上で評価した。 その結果, APCIRの適応的パーソナライズの有効性は, 最先端の手法よりも優れていた。

関連論文リスト

• A Personalized Conversational Benchmark: Towards Simulating Personalized Conversations [112.81207927088117]
  PersonaConvBenchは、大規模言語モデル(LLM)とのマルチターン会話におけるパーソナライズされた推論と生成を評価するためのベンチマークである。 我々は,複数の商用およびオープンソース LLM を統一的なプロンプト設定でベンチマークし,パーソナライズされた履歴を組み込むことで大幅な性能向上が得られることを観察した。
  論文  参考訳（メタデータ） (2025-05-20T09:13:22Z)
• 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)
• RALI@TREC iKAT 2024: Achieving Personalization via Retrieval Fusion in Conversational Search [24.464088639113417]
  パーソナライズされた検索では、ユーザの複雑な検索意図を効果的にキャプチャするには、ユーザプロファイルからコンテキスト情報とキー要素の両方をクエリ再構成に組み込む必要がある。 これはオーバーパーソナライゼーション(over-personalization)という課題です。 そこで本研究では,クエリから生成したランキングリストを,パーソナライズレベルの違いで融合させることにより,異なる戦略を提案する。
  論文  参考訳（メタデータ） (2024-12-11T00:44:52Z)
• Bridging Personalization and Control in Scientific Personalized Search [53.7152408217116]
  本研究では、パーソナライズされたランキングを積極的に制御できるパーソナライズされた検索モデルを提案する。 我々のモデルであるCtrlCEは、ユーザの過去のインタラクションから構築された編集可能なメモリを付加した、新しいクロスエンコーダモデルである。
  論文  参考訳（メタデータ） (2024-11-05T03:55:25Z)
• Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
  我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。 我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。 我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
  論文  参考訳（メタデータ） (2024-03-15T20:21:31Z)
• Towards Personalized Answer Generation in E-Commerce via Multi-Perspective Preference Modeling [62.049330405736406]
  Eコマースプラットフォーム上での製品質問回答(PQA)は、インテリジェントオンラインショッピングアシスタントとして機能するため、注目を集めている。 なぜなら、多くの顧客は、自分でのみカスタマイズされた情報でパーソナライズされた回答を見たいと思っているからです。 PQAにおけるパーソナライズされた回答を生成するための,新しいマルチパースペクティブなユーザ嗜好モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-27T07:51:49Z)

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。