論文の概要: From Events to Trending: A Multi-Stage Hotspots Detection Method Based on Generative Query Indexing
- arxiv url: http://arxiv.org/abs/2601.05258v1
- Date: Fri, 24 Oct 2025 08:49:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.522444
- Title: From Events to Trending: A Multi-Stage Hotspots Detection Method Based on Generative Query Indexing
- Title（参考訳）: イベントからトレンドへ:ジェネレーティブクエリインデックスに基づくマルチステージホットスポット検出手法
- Authors: Kaichun Wang, Yanguang Chen, Ting Zhang, Mengyao Bao, Keyu Chen, Xu Hu, Yongliang Wang, Jingsheng Yang, Jinsong Zhang, Fei Lu,
- Abstract要約: 本稿では、オフライン生成とオンライン識別の両方の観点から体系的な最適化を実現する、トレンド検出のための多段階フレームワークを提案する。
オフライン評価とオンラインA/Bテストの両方において,本フレームワークはベースライン手法よりも有意に優れており,ユーザ満足度は正負のフィードバック比で27%向上した。
- 参考スコア（独自算出の注目度）: 15.253619026769647
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LLM-based conversational systems have become a popular gateway for information access, yet most existing chatbots struggle to handle news-related trending queries effectively. To improve user experience, an effective trending query detection method is urgently needed to enable differentiated processing of such target traffic. However, current research on trending detection tailored to the dialogue system scenario remains largely unexplored, and methods designed for traditional search engines often underperform in conversational contexts due to radically distinct query distributions and expression patterns. To fill this gap, we propose a multi-stage framework for trending detection, which achieves systematic optimization from both offline generation and online identification perspectives. Specifically, our framework first exploits selected hot events to generate index queries, establishing a key bridge between static events and dynamic user queries. It then employs a retrieval matching mechanism for real-time online detection of trending queries, where we introduce a cascaded recall and ranking architecture to balance detection efficiency and accuracy. Furthermore, to better adapt to the practical application scenario, our framework adopts a single-recall module as a cold-start strategy to collect online data for fine-tuning the reranker. Extensive experiments demonstrate that our framework significantly outperforms baseline methods in both offline evaluations and online A/B tests, and user satisfaction is relatively improved by 27\% in terms of positive-negative feedback ratio.
- Abstract（参考訳）: LLMベースの会話システムは情報アクセスの一般的なゲートウェイとなっているが、既存のチャットボットのほとんどは、ニュース関連のトレンドクエリを効果的に扱うのに苦労している。
ユーザエクスペリエンスを向上させるために、そのようなトラフィックの差別化処理を可能にするために、効果的なトレンドクエリ検出方法が緊急に必要である。
しかし、対話システムのシナリオに合わせたトレンド検出に関する現在の研究はほとんど探索されておらず、従来の検索エンジン用に設計された手法は、根本的に異なるクエリ分布と表現パターンのために、しばしば会話の文脈で過小評価される。
このギャップを埋めるために、オフライン生成とオンライン識別の両方の観点から体系的な最適化を実現する、トレンド検出のための多段階フレームワークを提案する。
具体的には、選択したホットイベントを利用してインデックスクエリを生成し、静的イベントと動的ユーザクエリのキーブリッジを確立する。
次に、リアルタイムなトレンドクエリのオンライン検出に検索マッチング機構を使用し、検出効率と精度のバランスをとるために、カスケードされたリコールとランキングアーキテクチャを導入する。
さらに,本フレームワークは,実践的なアプリケーションシナリオに適応するため,コールドスタート戦略として単一リコールモジュールを採用し,オンラインデータを収集し,再ランカを微調整する。
オフライン評価とオンラインA/Bテストの両方において,我々のフレームワークはベースライン手法を著しく上回り,ユーザ満足度は正負のフィードバック比で27%向上した。
関連論文リスト
- Agentic Conversational Search with Contextualized Reasoning via Reinforcement Learning [66.52010873968383]
本稿では,RL学習を通じて学習した探索的,適応的な行動を可能にする,交互に探索と推論をインターリーブする対話エージェントを提案する。
広く使われている4つの対話型ベンチマークによる実験結果から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2026-01-19T14:55:54Z) - REVISION:Reflective Intent Mining and Online Reasoning Auxiliary for E-commerce Visual Search System Optimization [16.530984854626038]
Taobaoのeコマースビジュアルサーチでは、ユーザの行動分析によって、クリック不要なリクエストのかなりの割合が明らかになった。
ユーザの暗黙的意図表現とシステム応答のこのミスマッチは、User-SearchSys Intent Discrepancyを定義します。
オフライン推論マイニングとオンライン意思決定と実行を統合した新しいフレームワークREVISIONを提案する。
論文 参考訳（メタデータ） (2025-10-26T16:15:50Z) - WebSeer: Training Deeper Search Agents through Reinforcement Learning with Self-Reflection [51.10348385624784]
本稿では,自己回帰機構によって強化された強化学習によって訓練された,よりインテリジェントな検索エージェントであるWebSeerを紹介する。
提案手法はツール使用チェーンを大幅に拡張し,回答精度を向上する。
論文 参考訳（メタデータ） (2025-10-21T16:52:00Z) - Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce [61.03081096959132]
そこで本稿では,複雑な状況下でのテキストバウンダリングを改善するための,文脈対応推論強化型生成検索フレームワークを提案する。
提案手法は,強力なベースラインに比べて優れた性能を示し,検索に基づく推薦の有効性を検証した。
論文 参考訳（メタデータ） (2025-10-19T16:46:11Z) - Test-Time Scaling Strategies for Generative Retrieval in Multimodal Conversational Recommendations [70.94563079082751]
電子商取引は、複雑なマルチターンユーザーインタラクションを管理する上で、伝統的な製品検索システムの限界を明らかにしている。
本稿では,対話型マルチモーダル製品検索にテスト時間スケーリングを導入する新しいフレームワークを提案する。
提案手法は生成型レトリバー上に構築され,さらに検索精度の向上と,対話を通してユーザ意図の進化と結果の整合性を向上するテストタイムリグレード機構が組み込まれている。
論文 参考訳（メタデータ） (2025-08-25T15:38:56Z) - AI Guided Accelerator For Search Experience [4.832123045961485]
本稿では,ユーザの最終購入意図に向けての旅の間に生じる中間的変更を,トランジショナルなクエリを明示的にモデル化する新しいフレームワークを提案する。
このアプローチは,探索行動や意図の洗練を反映した中途半端なトランジションをユーザのショッピングファンネルをモデル化する。
我々の貢献には、(i)トランザクショナルクエリの形式的識別とモデリング、(ii)インテントフロー理解のための構造化クエリシーケンスマイニングパイプラインの導入、(iii)スケーラブルでインテント対応のクエリ拡張のためのLLMの適用が含まれる。
論文 参考訳（メタデータ） (2025-07-25T23:26:00Z) - Fast or Better? Balancing Accuracy and Cost in Retrieval-Augmented Generation with Flexible User Control [52.405085773954596]
Retrieval-Augmented Generationは、大規模な言語モデル幻覚を緩和するための強力なアプローチとして登場した。
既存のRAGフレームワークは、しばしば無差別に検索を適用し、非効率な再検索につながる。
本稿では,精度・コストのトレードオフを動的に調整できる新しいユーザ制御可能なRAGフレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-17T18:56:20Z) - Improving Retrieval in Sponsored Search by Leveraging Query Context Signals [6.152499434499752]
本稿では,クエリをリッチなコンテキスト信号で拡張することで,クエリ理解を強化する手法を提案する。
我々は、Web検索のタイトルとスニペットを使って、現実世界の情報にクエリを接地し、GPT-4を使ってクエリの書き直しと説明を生成する。
我々の文脈認識アプローチは文脈自由モデルよりも大幅に優れている。
論文 参考訳（メタデータ） (2024-07-19T14:28:53Z) - CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。
従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。
粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
論文 参考訳（メタデータ） (2024-06-25T12:47:04Z)
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。