論文の概要: Perception-Aware Bias Detection for Query Suggestions

• arxiv url: http://arxiv.org/abs/2601.03730v1
• Date: Wed, 07 Jan 2026 09:21:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-08 18:12:46.170696
• Title: Perception-Aware Bias Detection for Query Suggestions
• Title（参考訳）: クエリ提案に対する知覚認識バイアス検出
• Authors: Fabian Haak, Philipp Schaer,
• Abstract要約: 本稿では,人物検索のクエリ提案におけるバイアス検出のためのバイアス検出パイプラインについて述べる。 クエリ提案のスパース性やコンテキストメタデータの欠如は、バイアス検出の難題となっている。
• 参考スコア（独自算出の注目度）: 5.490018587818889
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bias in web search has been in the spotlight of bias detection research for quite a while. At the same time, little attention has been paid to query suggestions in this regard. Awareness of the problem of biased query suggestions has been raised. Likewise, there is a rising need for automatic bias detection approaches. This paper adds on the bias detection pipeline for bias detection in query suggestions of person-related search developed by Bonart et al. \cite{Bonart_2019a}. The sparseness and lack of contextual metadata of query suggestions make them a difficult subject for bias detection. Furthermore, query suggestions are perceived very briefly and subliminally. To overcome these issues, perception-aware metrics are introduced. Consequently, the enhanced pipeline is able to better detect systematic topical bias in search engine query suggestions for person-related searches. The results of an analysis performed with the developed pipeline confirm this assumption. Due to the perception-aware bias detection metrics, findings produced by the pipeline can be assumed to reflect bias that users would discern.
• Abstract（参考訳）: Web検索のバイアスは、かなり前からバイアス検出研究の目玉となっている。 同時に、この点に関して提案をクエリするためにはほとんど注意が払われていない。 バイアスドクエリ提案の問題に対する認識が高まっている。 同様に、自動バイアス検出アプローチの必要性も高まっている。 本稿では, Bonart et al \cite{Bonart_2019a} によって開発された人物関連検索のクエリ提案におけるバイアス検出のためのバイアス検出パイプラインについて述べる。 クエリ提案のスパース性やコンテキストメタデータの欠如は、バイアス検出の難題となっている。 さらに、クエリ提案は非常に短時間で、サブリミナルに認識される。 これらの問題を克服するために、知覚認識メトリクスが導入された。 これにより、強化されたパイプラインは、人物関連検索のための検索エンジンクエリ提案において、より系統的なトピックバイアスを検出することができる。 開発したパイプラインを用いて解析した結果,この仮定が裏付けられる。 知覚に敏感なバイアス検出指標のため、パイプラインが生成した発見は、ユーザが識別するバイアスを反映していると仮定できる。

関連論文リスト

• Auditing Search Query Suggestion Bias Through Recursive Algorithm Interrogation [5.490018587818889]
  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。
  論文  参考訳（メタデータ） (2026-01-06T12:13:39Z)
• 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)
• Measuring and Addressing Indexical Bias in Information Retrieval [69.7897730778898]
  PAIRフレームワークは、ランキングドキュメンテーションやIRシステム全体の自動バイアス監査をサポートする。 DUOを導入した後、我々は32kの合成と4.7kの天然文書からなる新しいコーパスで8つのIRシステムの広範な評価を行った。 人間の行動学的研究は、私たちのアプローチを検証し、私たちのバイアスメトリクスが、いつ、どのように指標バイアスが読者の意見を変えるかを予測するのに役立ちます。
  論文  参考訳（メタデータ） (2024-06-06T17:42:37Z)
• Take Care of Your Prompt Bias! Investigating and Mitigating Prompt Bias in Factual Knowledge Extraction [56.17020601803071]
  近年の研究では、事前学習言語モデル(PLM)が、事実知識抽出において「急激なバイアス」に悩まされていることが示されている。 本稿では,突発バイアスを徹底的に調査し緩和することにより,既存のベンチマークの信頼性を向上させることを目的とする。
  論文  参考訳（メタデータ） (2024-03-15T02:04:35Z)
• Whole Page Unbiased Learning to Rank [59.52040055543542]
  アンバイアスド・ラーニング・トゥ・ランク(ULTR)アルゴリズムは、バイアスド・クリックデータを用いたアンバイアスド・ランキングモデルを学ぶために提案される。 本稿では,BALというアルゴリズムをランク付けするバイアス非依存学習を提案する。 実世界のデータセットによる実験結果から,BALの有効性が検証された。
  論文  参考訳（メタデータ） (2022-10-19T16:53:08Z)
• Selective Query-guided Debiasing for Video Corpus Moment Retrieval [28.739889161193037]
  ビデオモーメント検索は、与えられたテキストクエリに関連する未編集ビデオのターゲットモーメントをローカライズすることを目的としている。 既存の検索システムは、ショートカットとして検索バイアスに依存する傾向にある。 選択型クエリ誘導型デバイアスネットワーク(SQuiDNet)を提案する。
  論文  参考訳（メタデータ） (2022-10-17T03:10:21Z)
• Self-supervised debiasing using low rank regularization [59.84695042540525]
  純粋な相関は、ディープニューラルネットワークの強いバイアスを引き起こし、一般化能力を損なう可能性がある。 ラベルのないサンプルと互換性のある自己監督型脱バイアスフレームワークを提案する。 注目すべきは,提案フレームワークが自己教師付き学習ベースラインの一般化性能を著しく向上させることである。
  論文  参考訳（メタデータ） (2022-10-11T08:26:19Z)
• Information-Theoretic Bias Reduction via Causal View of Spurious Correlation [71.9123886505321]
  本稿では,スプリアス相関の因果的解釈による情報理論バイアス測定手法を提案する。 本稿では,バイアス正規化損失を含むアルゴリズムバイアスに対する新しいデバイアスフレームワークを提案する。 提案したバイアス測定とデバイアス法は、多様な現実シナリオで検証される。
  論文  参考訳（メタデータ） (2022-01-10T01:19:31Z)

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。