論文の概要: Beyond Keywords: Driving Generative Search Engine Optimization with Content-Centric Agents
- arxiv url: http://arxiv.org/abs/2509.05607v1
- Date: Sat, 06 Sep 2025 05:46:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-09 14:07:03.609028
- Title: Beyond Keywords: Driving Generative Search Engine Optimization with Content-Centric Agents
- Title（参考訳）: Beyond Keywords: コンテンツ中心エージェントによる生成検索エンジン最適化の推進
- Authors: Qiyuan Chen, Jiahe Chen, Hongsen Huang, Qian Shao, Jintai Chen, Renjie Hua, Hongxia Xu, Ruijia Wu, Ren Chuan, Jian Wu,
- Abstract要約: 伝統的なランク付けベースの検索からジェネレーティブ検索エンジンへのパラダイムシフトは、従来のSEOメトリクスを時代遅れにした。
本稿では,ジェネレーティブ検索エンジン最適化(GSEO)のための総合的なエンドツーエンドフレームワークを紹介し,この問題に対処する。
- 参考スコア（独自算出の注目度）: 13.791066315896623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The paradigm shift from traditional ranked-based search to Generative Search Engines has rendered conventional SEO metrics obsolete, creating an urgent need to understand, measure, and optimize for content influence on synthesized answers. This paper introduces a comprehensive, end-to-end framework for Generative Search Engine Optimization (GSEO) to address this challenge. We make two primary contributions. First, we construct CC-GSEO-Bench, a large-scale, content-centric benchmark, and propose a multi-dimensional evaluation framework that systematically quantifies influence, moving beyond surface-level attribution to assess substantive semantic impact. Second, we design a novel multi-agent system that operationalizes this framework, automating the strategic refinement of content through a collaborative analyze-revise-evaluate workflow. Our empirical analysis using this framework reveals novel insights into the dynamics of content influence, offering actionable strategies for creators and establishing a principled foundation for future GSEO research.
- Abstract（参考訳）: 従来のランク付けされた検索からジェネレーティブ検索エンジンへのパラダイムシフトにより、従来のSEOメトリクスは時代遅れになり、合成された回答に対するコンテンツの影響を理解し、測定し、最適化する必要がある。
本稿では,ジェネレーティブ検索エンジン最適化(GSEO)のための総合的なエンドツーエンドフレームワークを紹介し,その課題に対処する。
主な貢献は2つある。
まず,大規模でコンテンツ中心のベンチマークであるCC-GSEO-Benchを構築し,静的な意味的影響を評価するために,表面レベルの属性を超えて影響を体系的に定量化する多次元評価フレームワークを提案する。
第2に、このフレームワークを運用する新しいマルチエージェントシステムを設計し、協調的な分析・改訂・評価ワークフローを通じて、コンテンツの戦略的洗練を自動化する。
このフレームワークを用いた実証分析により、コンテンツ影響のダイナミクスに関する新たな洞察が得られ、クリエーターに実用的な戦略を提供し、将来のGSEO研究の原則的基盤を確立することができる。
関連論文リスト
- SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization [11.467565046589414]
Search-Augmented Generative Engines (SAGE) が情報アクセスの新しいパラダイムとして登場した。
現在、SAGEOの総合的な調査を支援する評価環境はない。
ステージレベルのSAGEO分析のための現実的で再現可能な環境であるSAGEO Arenaを紹介する。
論文 参考訳（メタデータ） (2026-02-12T17:18:00Z) - Caption Injection for Optimization in Generative Search Engine [15.472540238931202]
ジェネレーティブ検索エンジン(GSE)は検索拡張生成(RAG)技術とLarge Language Models(LLM)を活用する
本稿では,画像からキャプションを抽出し,テキストコンテンツに注入する,最初のマルチモーダルG-SEO手法であるCaption Injectionを提案する。
実験結果から, キャプションインジェクションはテキストのみのG-SEOベースラインをG-Evalで有意に上回ることがわかった。
論文 参考訳（メタデータ） (2025-11-06T05:37:27Z) - GCRank: A Generative Contextual Comprehension Paradigm for Takeout Ranking Model [24.44754238668111]
一般的なランキングモデルは、しばしば断片化されたモジュールと手作りの機能に依存している。
本稿では,文脈理解タスクとしてランキングを再構成する新しい生成フレームワークを提案する。
本手法を大規模フードデリバリー広告プラットフォームに導入することに成功している。
論文 参考訳（メタデータ） (2025-10-15T08:42:04Z) - A Survey of Vibe Coding with Large Language Models [93.88284590533242]
視覚符号化(Vibe Coding)は、開発者が成果観察を通じてAI生成の実装を検証する開発手法である。
変革の可能性にもかかわらず、この創発的パラダイムの有効性は未解明のままである。
この調査は、大規模な言語モデルによるVibe Codingの総合的かつ体系的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-10-14T11:26:56Z) - Role-Augmented Intent-Driven Generative Search Engine Optimization [9.876307656819039]
本稿では,G-SEO(Role-Augmented Intent-Driven Generative Search Engine Optimization)法を提案する。
提案手法は,多種多様な情報的役割にまたがるリフレクティブ・リフレクティブ・リファインメントによる検索意図をモデル化し,ターゲットコンテンツの強化を可能にする。
実験結果から,検索意図がコンテンツ最適化に有効な信号であることが示された。
論文 参考訳（メタデータ） (2025-08-15T02:08:55Z) - Agency Among Agents: Designing with Hypertextual Friction in the Algorithmic Web [0.29465623430708904]
ハイパーテキストシステムでは,創発性,連想的思考,ユーザ主導による意味作りが重視されている。
アルゴリズムシステムではプロセスがあいまいになり,参加がフラットになる傾向がある。
論文 参考訳（メタデータ） (2025-07-31T14:18:28Z) - Creativity in LLM-based Multi-Agent Systems: A Survey [56.25583236738877]
大規模言語モデル(LLM)によるマルチエージェントシステム(MAS)は、人間とAIが協調してアイデアやアーティファクトを生成する方法を変えつつある。
これはMASにおける創造性に関する最初の調査である。
本研究では,(1)エージェントの能動性やペルソナ設計の分類,(2)分岐探索,反復改良,協調合成などの生成技術の概要,(3)不整合評価基準,不整合性バイアス緩和,協調競合,統一ベンチマークの欠如といった重要な課題について論じる。
論文 参考訳（メタデータ） (2025-05-27T12:36:14Z) - Evaluating LLM-based Agents for Multi-Turn Conversations: A Survey [64.08485471150486]
本研究では,大規模言語モデル(LLM)に基づくマルチターン対話環境におけるエージェントの評価手法について検討する。
我々は250近い学術資料を体系的にレビューし、様々な出版場所から芸術の状態を捉えた。
論文 参考訳（メタデータ） (2025-03-28T14:08:40Z) - Pistis-RAG: Enhancing Retrieval-Augmented Generation with Human Feedback [41.88662700261036]
RAGシステムは、セマンティックな関連性だけでは生成品質の向上を保証していない場合に制限に直面している。
我々は、LLMと人間の嗜好をよりよく整合させるために、コンテンツ中心のアプローチで設計された新しいRAGフレームワークであるPristis-RAGを提案する。
論文 参考訳（メタデータ） (2024-06-21T08:52:11Z) - GEO: Generative Engine Optimization [50.45232692363787]
我々は、生成エンジン(GE)の統一的な枠組みを定式化する。
GEは大規模な言語モデル(LLM)を使用して情報を収集し、ユーザクエリに応答する。
生成エンジンは通常、複数のソースから情報を合成し、それらを要約することでクエリを満足する。
我々は、生成エンジン応答におけるコンテンツの可視性向上を支援するために、コンテンツ作成者を支援する最初の新しいパラダイムである生成エンジン最適化(GEO)を紹介する。
論文 参考訳（メタデータ） (2023-11-16T10:06:09Z) - Rethinking Word-Level Auto-Completion in Computer-Aided Translation [76.34184928621477]
Word-Level Auto-Completion (WLAC) はコンピュータ翻訳において重要な役割を果たす。
それは、人間の翻訳者に対して単語レベルの自動補完提案を提供することを目的としている。
我々は、この質問に答えるために測定可能な基準を導入し、既存のWLACモデルがこの基準を満たしていないことを発見する。
評価基準の遵守を促進することによってWLAC性能を向上させる効果的な手法を提案する。
論文 参考訳（メタデータ） (2023-10-23T03:11:46Z) - A Unified Framework for Integrating Semantic Communication and
AI-Generated Content in Metaverse [57.317580645602895]
統合セマンティックコミュニケーションとAI生成コンテンツ(ISGC)は近年多くの注目を集めている。
ISGCはユーザ入力から意味情報を転送し、デジタルコンテンツを生成し、Metaverse用のグラフィックをレンダリングする。
最適化されたリソース割り当てのための統合ゲインを含む,ISGCの2つの主要なメリットをキャプチャする統合フレームワークを導入する。
論文 参考訳（メタデータ） (2023-05-18T02:02:36Z)
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。