論文の概要: A Simple but Effective Elaborative Query Reformulation Approach for Natural Language Recommendation

• arxiv url: http://arxiv.org/abs/2510.02656v1
• Date: Fri, 03 Oct 2025 01:21:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.227522
• Title: A Simple but Effective Elaborative Query Reformulation Approach for Natural Language Recommendation
• Title（参考訳）: 自然言語レコメンデーションのための簡易かつ効果的な協調的クエリ再構成手法
• Authors: Qianfeng Wen, Yifan Liu, Justin Cui, Joshua Zhang, Anton Korikov, George-Kirollos Saad, Scott Sanner,
• Abstract要約: 自然言語(NL)推奨システムは,自由形式のユーザクエリや項目記述から関連する項目を検索することを目的としている。 既存のシステムは、広範または間接的なユーザ意図を表す難しいクエリを解釈するのに苦労する、高密度検索(DR)に依存していることが多い。 EQR(Elaborative Subtopic Query Reformulation)は,広さと深さを組み合わせた大規模言語モデルに基づくQR手法である。
• 参考スコア（独自算出の注目度）: 24.85595727045821
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Natural Language (NL) recommender systems aim to retrieve relevant items from free-form user queries and item descriptions. Existing systems often rely on dense retrieval (DR), which struggles to interpret challenging queries that express broad (e.g., "cities for youth friendly activities") or indirect (e.g., "cities for a high school graduation trip") user intents. While query reformulation (QR) has been widely adopted to improve such systems, existing QR methods tend to focus only on expanding the range of query subtopics (breadth) or elaborating on the potential meaning of a query (depth), but not both. In this paper, we propose EQR (Elaborative Subtopic Query Reformulation), a large language model-based QR method that combines both breadth and depth by generating potential query subtopics with information-rich elaborations. We also introduce three new natural language recommendation benchmarks in travel, hotel, and restaurant domains to establish evaluation of NL recommendation with challenging queries. Experiments show EQR substantially outperforms state-of-the-art QR methods in various evaluation metrics, highlighting that a simple yet effective QR approach can significantly improve NL recommender systems for queries with broad and indirect user intents.
• Abstract（参考訳）: 自然言語(NL)推奨システムは,自由形式のユーザクエリや項目記述から関連する項目を検索することを目的としている。 既存のシステムは、広範囲(例えば若者フレンドリーな活動のための都市)や間接(例えば高校卒業旅行のための都市)のユーザ意図を表す難しいクエリを解釈するのに苦労する、密度の高い検索(DR)に依存していることが多い。 このようなシステムを改善するために、クエリ再構成(QR)が広く採用されているが、既存のQRメソッドは、クエリのサブトピックの範囲を広げることにのみ焦点をあてる傾向にある。 本稿では,多言語モデルに基づくQR手法であるEQR(Elaborative Subtopic Query Reformulation)を提案する。 また、旅行、ホテル、レストランドメインに3つの新しい自然言語レコメンデーションベンチマークを導入し、難問クエリによるNLレコメンデーションの評価を確立した。 実験により、EQRは様々な評価指標において最先端のQRメソッドよりも大幅に優れており、単純だが効果的なQRアプローチは、広範かつ間接的なユーザ意図を持つクエリに対するNLレコメンデータシステムを大幅に改善できることを示した。

関連論文リスト

• Tree-Based Text Retrieval via Hierarchical Clustering in RAGFrameworks: Application on Taiwanese Regulations [0.0]
  階層的なクラスタリングに基づく検索手法を提案する。 本手法は,意味的関連コンテンツを適応的に選択しながら,システム応答の精度と関連性を維持する。 我々のフレームワークは実装が簡単で、既存のRAGパイプラインと簡単に統合できます。
  論文  参考訳（メタデータ） (2025-06-16T15:34:29Z)
• Graph Retrieval-Augmented LLM for Conversational Recommendation Systems [52.35491420330534]
  G-CRS(Graph Retrieval-Augmented Large Language Model for Conversational Recommender Systems)は、グラフ検索強化世代とテキスト内学習を組み合わせた学習自由フレームワークである。 G-CRSは、タスク固有のトレーニングを必要とせず、既存の手法よりも優れたレコメンデーション性能を達成する。
  論文  参考訳（メタデータ） (2025-03-09T03:56:22Z)
• Unanswerability Evaluation for Retrieval Augmented Generation [74.3022365715597]
  UAEval4RAGは、RAGシステムが解答不能なクエリを効果的に処理できるかどうかを評価するために設計されたフレームワークである。 我々は、6つの未解決カテゴリを持つ分類を定義し、UAEval4RAGは、多様で挑戦的なクエリを自動的に合成する。
  論文  参考訳（メタデータ） (2024-12-16T19:11:55Z)
• CORAL: Benchmarking Multi-turn Conversational Retrieval-Augmentation Generation [68.81271028921647]
  我々は,現実的なマルチターン対話環境におけるRAGシステム評価のためのベンチマークであるCORALを紹介する。 コラルにはウィキペディアから自動的に派生した多様な情報検索会話が含まれている。 対話型RAGの3つの中核的なタスク、すなわち、通過検索、応答生成、および引用ラベリングをサポートする。
  論文  参考訳（メタデータ） (2024-10-30T15:06:32Z)
• Elaborative Subtopic Query Reformulation for Broad and Indirect Queries in Travel Destination Recommendation [21.070517682154662]
  大規模言語モデルに基づくQR手法であるEQR(Elaborative Subtopic Query Reformulation)を導入する。 EQRは、潜在的なクエリサブトピックと情報豊富なエラボレーションを生成することで、幅と深さを兼ね備えている。 また、クエリ駆動の旅行先RSのための新しいデータセットであるTravelDestをリリースする。
  論文  参考訳（メタデータ） (2024-10-02T14:36:18Z)
• AdaCQR: Enhancing Query Reformulation for Conversational Search via Sparse and Dense Retrieval Alignment [16.62505706601199]
  本稿では,対話型検索再構成のための新しいフレームワークAdaCQRを提案する。 AdaCQRは、情報検索クエリの一般化性を向上させる。 TopiOCQAとQReCCデータセットの実験結果は、AdaCQRが既存のメソッドをより効率的なフレームワークで上回ることを示した。
  論文  参考訳（メタデータ） (2024-07-02T05:50:16Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)

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。