論文の概要: Modeling Trial-and-Error Navigation With a Sequential Decision Model of Information Scent
- arxiv url: http://arxiv.org/abs/2603.11759v1
- Date: Thu, 12 Mar 2026 10:05:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:26.011296
- Title: Modeling Trial-and-Error Navigation With a Sequential Decision Model of Information Scent
- Title（参考訳）: 情報感覚の逐次決定モデルを用いた試行錯誤ナビゲーションのモデル化
- Authors: Xiaofu Jin, Yunpeng Bai, Antti Oulasvirta,
- Abstract要約: 情報の匂いは、ユーザーが間違ったリンクを選択する理由を説明するために使われてきた。
実際には、ユーザはリンクを素早く選択しすぎ、関連するキューを見落とし、エラーが発生した時にバックトラックに依存する。
我々は,メモリ制約下での逐次決定問題としてナビゲーションをフレーミングすることで,情報香りの概念を拡張した。
- 参考スコア（独自算出の注目度）: 37.09851098308199
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Users often struggle to locate an item within an information architecture, particularly when links are ambiguous or deeply nested in hierarchies. Information scent has been used to explain why users select incorrect links, but this concept assumes that users see all available links before deciding. In practice, users frequently select a link too quickly, overlook relevant cues, and then rely on backtracking when errors occur. We extend the concept of information scent by framing navigation as a sequential decision-making problem under memory constraints. Specifically, we assume that users do not scan entire pages but instead inspect strategically, looking "just enough" to find the target given their time budget. To choose which item to inspect next, they consider both local (this page) and global (site) scent; however, both are constrained by memory. Trying to avoid wasting time, they occasionally choose the wrong links without inspecting everything on a page. Comparisons with empirical data show that our model replicates key navigation behaviors: premature selections, wrong turns, and recovery from backtracking. We conclude that trial-and-error behavior is well explained by information scent when accounting for the sequential and bounded characteristics of the navigation problem.
- Abstract（参考訳）: ユーザは情報アーキテクチャ内のアイテムを見つけるのに苦労することが多い。
情報の匂いは、ユーザーがなぜ間違ったリンクを選択するのかを説明するために使われてきたが、この概念はユーザーが決定する前にすべてのリンクを見ることを前提としている。
実際には、ユーザはリンクを素早く選択しすぎ、関連するキューを見落とし、エラーが発生した時にバックトラックに依存する。
我々は,メモリ制約下での逐次決定問題としてナビゲーションをフレーミングすることで,情報香りの概念を拡張した。
具体的には、ユーザがページ全体をスキャンするのではなく、戦略的に検査し、時間的予算からターゲットを見つけるのに「十分である」と仮定する。
次にどの項目を検査するかを選択するには、ローカル(このページ)とグローバル(サイト)の香りの両方を考慮するが、どちらもメモリによって制約される。
時間の無駄を避けるために、ページ上の全てを検査せずに間違ったリンクを選択することがある。
実験データと比較すると、我々のモデルは、未熟な選択、間違った曲がり角、バックトラッキングからの回復といった重要なナビゲーション動作を再現している。
ナビゲーション問題の逐次的および有界特性を考慮した場合, 試行錯誤行動は情報覚によってよく説明される。
関連論文リスト
- PATHWAYS: Evaluating Investigation and Context Discovery in AI Web Agents [0.0]
PATHWAYSは250のマルチステップ決定タスクのベンチマークである。
Webベースのエージェントが、隠れたコンテキスト情報を発見し、正しく使用できるかをテストする。
論文 参考訳（メタデータ） (2026-02-05T06:24:23Z) - To Search or Not to Search: Aligning the Decision Boundary of Deep Search Agents via Causal Intervention [61.82680155643223]
我々は,不整合決定境界の根本原因を同定し,蓄積した情報が回答するのに十分であるかどうかをしきい値に判定する。
これにより、過剰探索(十分な知識にもかかわらず冗長探索)と過度探索(早期終了)が誤った答えをもたらす。
まず,境界誤差を識別する因果的介入に基づく診断手法を提案する。
第2に,Deep Search Agent(DAS)のための決定境界アライメントを開発する。
我々のDAS法はこれらの境界を効果的に校正し、オーバーサーチとアンダーサーチの両方を緩和し、精度と効率を大幅に向上させる。
論文 参考訳（メタデータ） (2026-02-03T09:29:06Z) - Temporal-Spatial Object Relations Modeling for Vision-and-Language Navigation [11.372544701050044]
VLN(Vision-and-Language Navigation)は、エージェントが視覚観察を通して記述された自然言語にナビゲートする必要がある課題である。
エージェントのナビゲーション能力は、通常内部オブジェクトまたは外部データセットを使用して学習されるオブジェクト間の関係によって強化することができる。
論文 参考訳（メタデータ） (2024-03-23T02:44:43Z) - Explore before Moving: A Feasible Path Estimation and Memory Recalling
Framework for Embodied Navigation [117.26891277593205]
ナビゲーションに焦点をあて,経験や常識に欠ける既存のナビゲーションアルゴリズムの問題を解決する。
移動前に2回思考する能力に触発されて、不慣れな場面で目標を追求する実現可能な経路を考案し、パス推定とメモリリコールフレームワークと呼ばれる経路計画手法を提案する。
EmbodiedQAナビゲーションタスクにおけるPEMRの強力な実験結果を示す。
論文 参考訳（メタデータ） (2021-10-16T13:30:55Z) - Deconfounded Video Moment Retrieval with Causal Intervention [80.90604360072831]
本研究は,ビデオ中の特定のモーメントをテキストクエリに従ってローカライズすることを目的とした,ビデオモーメント検索(VMR)の課題に取り組む。
既存の手法は主に複雑な相互モーダル相互作用によるクエリとモーメントのマッチング関係をモデル化する。
本稿では,クエリとビデオコンテンツが予測に与える影響を捉えるために,構造因果モデルを構築する因果性に着想を得たVMRフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-03T01:33:26Z) - Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。
我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
論文 参考訳（メタデータ） (2020-05-24T11:37:22Z) - Sequential Recommender via Time-aware Attentive Memory Network [67.26862011527986]
本稿では,注意機構と繰り返し単位を改善するための時間ゲーティング手法を提案する。
また,長期と短期の嗜好を統合するマルチホップ・タイムアウェア・アテンテーティブ・メモリ・ネットワークを提案する。
提案手法は,候補探索タスクに対してスケーラブルであり,ドット積に基づくTop-Kレコメンデーションのための潜在因数分解の非線形一般化とみなすことができる。
論文 参考訳（メタデータ） (2020-05-18T11:29:38Z)
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。