論文の概要: Modernizing Facebook Scoped Search: Keyword and Embedding Hybrid Retrieval with LLM Evaluation

• arxiv url: http://arxiv.org/abs/2509.13603v1
• Date: Wed, 17 Sep 2025 00:22:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.675461
• Title: Modernizing Facebook Scoped Search: Keyword and Embedding Hybrid Retrieval with LLM Evaluation
• Title（参考訳）: Facebook Scoped Searchの近代化: LLM評価によるキーワードと埋め込みハイブリッド検索
• Authors: Yongye Su, Zeya Zhang, Jane Kou, Cheng Ju, Shubhojeet Sarkar, Yamin Wang, Ji Liu, Shengbo Guo,
• Abstract要約: 我々は、Facebook Group Scoped Searchの近代化されたフレームワークを紹介する。 従来のキーワードベース検索と埋め込み型検索を併用し,検索結果の検索関連性や多様性を向上させる。 その結果,混合検索システムはユーザエンゲージメントと検索品質を大幅に向上させることがわかった。
• 参考スコア（独自算出の注目度）: 4.821105793289088
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Beyond general web-scale search, social network search uniquely enables users to retrieve information and discover potential connections within their social context. We introduce a framework of modernized Facebook Group Scoped Search by blending traditional keyword-based retrieval with embedding-based retrieval (EBR) to improve the search relevance and diversity of search results. Our system integrates semantic retrieval into the existing keyword search pipeline, enabling users to discover more contextually relevant group posts. To rigorously assess the impact of this blended approach, we introduce a novel evaluation framework that leverages large language models (LLMs) to perform offline relevance assessments, providing scalable and consistent quality benchmarks. Our results demonstrate that the blended retrieval system significantly enhances user engagement and search quality, as validated by both online metrics and LLM-based evaluation. This work offers practical insights for deploying and evaluating advanced retrieval systems in large-scale, real-world social platforms.
• Abstract（参考訳）: 一般的なウェブスケール検索以外にも、ソーシャルネットワーク検索では、ユーザーが情報を取得し、ソーシャルコンテキスト内で潜在的なつながりを発見することができる。 従来のキーワードベースの検索と埋め込み型検索(EBR)を融合して、検索の妥当性と多様性を向上させることで、Facebookグループスコープ検索を近代化するフレームワークを提案する。 提案システムは,意味検索を既存のキーワード検索パイプラインに統合し,ユーザがより文脈的に関係のあるグループ投稿を発見できるようにする。 このブレンデッドアプローチの効果を厳格に評価するために,大規模な言語モデル(LLM)を活用してオフラインで妥当性評価を行い,スケーラブルで一貫した品質ベンチマークを提供する,新たな評価フレームワークを導入する。 その結果, 混合検索システムにより, ユーザエンゲージメントと検索品質が著しく向上することを示し, オンラインメトリクスとLCMに基づく評価の両面から検証した。 この研究は、大規模で現実的なソーシャルプラットフォームにおける高度な検索システムをデプロイし、評価するための実践的な洞察を提供する。

関連論文リスト

• Hybrid Semantic Search: Unveiling User Intent Beyond Keywords [0.0]
  本稿では,ユーザの意図を理解する上で,従来のキーワードベースの検索の限界に対処する。 非意味的な検索エンジン、LLM(Large Language Models)、埋め込みモデルの強みを活用する新しいハイブリッド検索手法を導入する。
  論文  参考訳（メタデータ） (2024-08-17T16:04:31Z)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)
• Evaluating Generative Ad Hoc Information Retrieval [58.800799175084286]
  生成検索システムは、しばしばクエリに対する応答として、接地された生成されたテキストを直接返す。 このような生成的アドホック検索を適切に評価するには,テキスト応答の有用性の定量化が不可欠である。
  論文  参考訳（メタデータ） (2023-11-08T14:05:00Z)
• Synergistic Interplay between Search and Large Language Models for Information Retrieval [141.18083677333848]
  InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。 InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
  論文  参考訳（メタデータ） (2023-05-12T11:58:15Z)

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。