論文の概要: Retrieval Challenges in Low-Resource Public Service Information: A Case Study on Food Pantry Access

• arxiv url: http://arxiv.org/abs/2602.21598v1
• Date: Wed, 25 Feb 2026 05:48:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.718007
• Title: Retrieval Challenges in Low-Resource Public Service Information: A Case Study on Food Pantry Access
• Title（参考訳）: 低リソース公共サービス情報における検索課題:食パントリーアクセスを事例として
• Authors: Touseef Hasan, Laila Cure, Souvika Sarkar,
• Abstract要約: 我々は,公開パントリーデータのスクレイピングと索引付けを行うAIによる会話検索システムを開発した。 本研究では,現実的なシナリオにおけるシステム行動を調べるために,コミュニティソースクエリを用いたパイロット評価研究を行う。
• 参考スコア（独自算出の注目度）: 0.4773403254712565
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Public service information systems are often fragmented, inconsistently formatted, and outdated. These characteristics create low-resource retrieval environments that hinder timely access to critical services. We investigate retrieval challenges in such settings through the domain of food pantry access, a socially urgent problem given persistent food insecurity. We develop an AI-powered conversational retrieval system that scrapes and indexes publicly available pantry data and employs a Retrieval-Augmented Generation (RAG) pipeline to support natural language queries via a web interface. We conduct a pilot evaluation study using community-sourced queries to examine system behavior in realistic scenarios. Our analysis reveals key limitations in retrieval robustness, handling underspecified queries, and grounding over inconsistent knowledge bases. This ongoing work exposes fundamental IR challenges in low-resource environments and motivates future research on robust conversational retrieval to improve access to critical public resources.
• Abstract（参考訳）: 公共サービス情報システムは、しばしば断片化され、一貫性がなく、時代遅れになっている。 これらの特徴は、重要なサービスへのタイムリーなアクセスを妨げる低リソースの検索環境を作成する。 本研究では, 食品不安全が懸念される社会的に緊急な問題である食品パントリーアクセスの領域を通じて, このような状況下での検索課題について検討する。 我々は,公開パントリーデータをスクレイピングし,インデックス化するAIによる対話型検索システムを開発し,Webインターフェースを介して自然言語クエリをサポートするために,Retrieval-Augmented Generation (RAG)パイプラインを使用している。 本研究では,現実的なシナリオにおけるシステム行動を調べるために,コミュニティソースクエリを用いたパイロット評価研究を行う。 分析の結果,検索の堅牢性,不特定クエリの処理,一貫性のない知識基盤の基盤化など,重要な制限が明らかになった。 この作業は、低リソース環境における基本的なIR課題を明らかにし、重要な公共リソースへのアクセスを改善するために、堅牢な会話検索に関する将来の研究を動機付けている。

関連論文リスト

• How good are LLMs at Retrieving Documents in a Specific Domain? [3.282961543904818]
  本稿では,ドメイン固有の評価データセットをキュレートして検索システムの性能を解析する自動手法を提案する。 本研究では,Large Language Models (LLMs) を用いたRAG(Retrieval of Augmented Generation)を組み込んで,自然言語クエリを用いた環境領域データの高品質な検索を行う。
  論文  参考訳（メタデータ） (2025-08-25T19:47:21Z)
• Meet Your New Client: Writing Reports for AI -- Benchmarking Information Loss in Market Research Deliverables [0.0]
  本研究では,RAG導入時の情報損失を評価する。 テキストは確実に抽出されるが、チャートやダイアグラムのような複雑なオブジェクトから重要な情報が失われる。 これは、研究の洞察が翻訳で失われないようにするために、専門的でAIネイティブな成果物が必要であることを示唆している。
  論文  参考訳（メタデータ） (2025-08-17T12:05:44Z)
• SpiritRAG: A Q&A System for Religion and Spirituality in the United Nations Archive [4.575515160275914]
  Retrieval-Augmented Generation(RAG)に基づく対話型Q&AシステムであるSpiritRAGを提案する。 SpiritRAGは、保健・教育分野におけるR/Sに関する7500件の国連(UN)決議文書を使って構築され、研究者や政策立案者が複雑な文脈に敏感なデータベース検索を行うことを可能にする。 100の質問を手作業で作成したドメインエキスパートによるパイロットテストと評価は、SpiritRAGの実用的価値と有用性を示している。
  論文  参考訳（メタデータ） (2025-07-06T13:54:54Z)
• From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
  推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。 静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。 我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
  論文  参考訳（メタデータ） (2025-06-23T17:27:19Z)
• A GenAI System for Improved FAIR Independent Biological Database Integration [0.0]
  実験的な自然言語に基づくクエリ処理システムを導入し,生物学データベースの発見,アクセス,クエリを可能にする。 FAIRBridgeは、クエリインテントを解釈し、関連するデータベースにマップし、実行可能なクエリを生成するAIの機能を活用する。 このシステムには、低品質のクエリ処理を緩和し、提供された情報の忠実度と応答性を確保するための堅牢なツールも含まれている。
  論文  参考訳（メタデータ） (2025-06-22T08:04:24Z)
• InfoDeepSeek: Benchmarking Agentic Information Seeking for Retrieval-Augmented Generation [63.55258191625131]
  InfoDeepSeekは、現実世界の動的Web環境でエージェント情報を求めるための新しいベンチマークである。 本稿では,決定性,難易度,多様性の基準を満たす課題クエリを構築するための体系的手法を提案する。 本研究では,情報探索結果の正確性,有用性,コンパクト性に関する詳細な指標を含む,動的エージェント情報探索に適した最初の評価フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-05-21T14:44:40Z)
• AI Enhanced Ontology Driven NLP for Intelligent Cloud Resource Query Processing Using Knowledge Graphs [0.0]
  本稿では、オントロジーに基づくセマンティクスによって強化された高度な自然言語処理(NLP)を提案する。 提案フレームワークは,Latent Semantic Indexing (LSI) とAIモデルを用いた動的インテント抽出と関連性ランキングを可能にする。
  論文  参考訳（メタデータ） (2025-02-10T02:15:13Z)
• 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)

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。