論文の概要: Auditing Search Query Suggestion Bias Through Recursive Algorithm Interrogation

• arxiv url: http://arxiv.org/abs/2601.02962v1
• Date: Tue, 06 Jan 2026 12:13:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.920224
• Title: Auditing Search Query Suggestion Bias Through Recursive Algorithm Interrogation
• Title（参考訳）: Recursive Algorithm Interrogationによる検索クエリ提案バイアスの監査
• Authors: Fabian Haak, Philipp Schaer,
• Abstract要約: 本研究は,検索クエリのバイアスを識別する新たなアプローチを提案する。 バイアス分析のデータベースをより深めるための、より低いレベルの提案が含まれている。 これらの提案に基づき、政治領域における人物関連検索における話題群バイアスについて検討する。
• 参考スコア（独自算出の注目度）: 5.490018587818889
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite their important role in online information search, search query suggestions have not been researched as much as most other aspects of search engines. Although reasons for this are multi-faceted, the sparseness of context and the limited data basis of up to ten suggestions per search query pose the most significant problem in identifying bias in search query suggestions. The most proven method to reduce sparseness and improve the validity of bias identification of search query suggestions so far is to consider suggestions from subsequent searches over time for the same query. This work presents a new, alternative approach to search query bias identification that includes less high-level suggestions to deepen the data basis of bias analyses. We employ recursive algorithm interrogation techniques and create suggestion trees that enable access to more subliminal search query suggestions. Based on these suggestions, we investigate topical group bias in person-related searches in the political domain.
• Abstract（参考訳）: オンライン情報検索において重要な役割を担っているにもかかわらず、検索クエリの提案は検索エンジンの他のほとんどの側面ほど研究されていない。 この原因は多面的だが,検索クエリ毎に最大10個の提案が提案されるという文脈の疎さと限られたデータ基盤は,検索クエリの提案におけるバイアスを特定する上で最も重要な問題となっている。 検索クエリ提案のスパース性を低減し、バイアス識別の妥当性を向上させる最も実証された方法は、同じクエリに対して、後続の検索からの提案を時間をかけて検討することである。 この研究は、より少ないレベルの提案を含む、検索クエリのバイアス識別に対する新しい代替アプローチを示し、バイアス分析のデータベースをより深くする。 我々は、再帰的アルゴリズムの問合せ手法を採用し、よりサブリミナルな検索クエリ提案へのアクセスを可能にする提案木を作成する。 これらの提案に基づき、政治領域における人物関連検索における話題群バイアスについて検討する。

関連論文リスト

• AdaSearch: Balancing Parametric Knowledge and Search in Large Language Models via Reinforcement Learning [61.974530499621274]
  検索への過度な依存は、ノイズや悪意のあるコンテンツに対する不必要なコストとリスクをもたらす。 本稿では,探索を起動するか否かの判断から問題を解き放つ2段階の結果駆動型RLフレームワークを提案する。 AdaSearchは知識境界認識を大幅に改善し、不要な検索コールを削減し、タスクパフォーマンスを強く保ち、透明性と解釈可能な意思決定行動を提供する。
  論文  参考訳（メタデータ） (2025-12-18T18:50:01Z)
• Search Plurality [0.5076419064097734]
  我々は、優先順位付けの概念は、この中立性の欠如の根底にある一貫した階層的な秩序とともに、精査を保証していると主張する。 本稿では,クエリにアプローチ可能なさまざまな手段を強調するアイデアをカプセル化するために,サーチ・プラリティーという用語を紹介した。 これは、特定の検索項目よりもカテゴリの表示を優先するデザインで示され、ユーザーが検索の幅を把握できるようにする。
  論文  参考訳（メタデータ） (2025-01-02T00:28:33Z)
• Investigating Bias in Political Search Query Suggestions by Relative Comparison with LLMs [1.5356574175312299]
  検索クエリの提案のバイアスは、バイアスされた検索結果に露出し、意見の形成に影響を与える可能性がある。 我々は、英語の検索クエリー提案において、バイアスを特定し定量化するために、多段階のアプローチを用いる。 われわれのアプローチを米国の政治ニュース分野に適用し、GoogleとBingの偏見を比較する。
  論文  参考訳（メタデータ） (2024-10-31T12:40:38Z)
• RethinkMCTS: Refining Erroneous Thoughts in Monte Carlo Tree Search for Code Generation [71.88883580383039]
  コード生成の推論プロセスを探求し、洗練するフレームワークであるRethinkMCTSを提案する。 具体的には、コード生成前の思考の検索にMCTSを使用し、再考と呼ばれる改善メカニズムをMCTSに統合する。 RethinkMCTSは、従来の検索ベースおよびフィードバック強化コード生成ベースラインよりも優れていることを実証する。
  論文  参考訳（メタデータ） (2024-09-15T02:07:28Z)
• Counterfactual Learning To Rank for Utility-Maximizing Query Autocompletion [40.31426350180036]
  本稿では,ダウンストリーム検索性能に対するクエリ提案を明示的に最適化する手法を提案する。 ここでは、各クエリ提案が生成するダウンストリームアイテムランキングによって表現されるランキングの集合をランク付けする問題として、これを定式化する。 次に,項目ランクの質によってクエリ提案をランク付けする学習手法を提案する。
  論文  参考訳（メタデータ） (2022-04-22T21:40:51Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)
• High Quality Related Search Query Suggestions using Deep Reinforcement Learning [0.15229257192293202]
  The High Quality Related Search Query Suggestions” タスクは,リアルタイムで正確で,多様な,関連性の高い検索クエリを推奨することを目的としている。 私たちは、ユーザが次に入力するクエリを予測するために、Deep Reinforcement Learningモデルをトレーニングします。 報酬信号は、長期セッションベースのユーザフィードバック、構文的関連性、および生成されたクエリの自然性から成り立っている。
  論文  参考訳（メタデータ） (2021-08-10T05:22:32Z)
• Searching for a Search Method: Benchmarking Search Algorithms for Generating NLP Adversarial Examples [10.993342896547691]
  自然言語処理(NLP)タスクの逆例を生成するために,複数のブラックボックス探索アルゴリズムの動作について検討した。 検索アルゴリズム,検索空間,検索予算の3つの要素を詳細に分析する。
  論文  参考訳（メタデータ） (2020-09-09T17:04:42Z)
• On the Social and Technical Challenges of Web Search Autosuggestion Moderation [118.47867428272878]
  自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。 現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。 問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
  論文  参考訳（メタデータ） (2020-07-09T19:22:00Z)
• Best-First Beam Search [78.71330480725668]
  本研究では,ビームサーチの標準実装を10倍高速に実現可能であることを示す。 ダウンストリーム性能の面でも同様に有益な探索バイアスを有するBest-First Beam Searchのメモリ再生版を提案する。
  論文  参考訳（メタデータ） (2020-07-08T05:56:01Z)

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。