論文の概要: Multi-Faceted Self-Consistent Preference Alignment for Query Rewriting in Conversational Search

• arxiv url: http://arxiv.org/abs/2604.06771v1
• Date: Wed, 08 Apr 2026 07:38:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.403012
• Title: Multi-Faceted Self-Consistent Preference Alignment for Query Rewriting in Conversational Search
• Title（参考訳）: 対話型検索におけるクエリ書き換えのための多面的自己整合性推論アライメント
• Authors: Zhiyu Cao, Peifeng Li, Qiaoming Zhu,
• Abstract要約: 我々はMSPA-CQR(Multi-faceted Self-Consistent Preference Aligned CQR)を提案する。 まず、3次元(書き直し、検索、応答)から自己整合性優先アライメントデータを構築し、より多様な書き直しクエリを生成する。 実験の結果,MSPA-CQRは分布内および分布外の両方に有効であることがわかった。
• 参考スコア（独自算出の注目度）: 25.48484246820614
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational Query Rewriting (CQR) aims to rewrite ambiguous queries to achieve more efficient conversational search. Early studies have predominantly focused on the rewriting in isolation, ignoring the feedback from query rewrite, passage retrieval and response generation in the rewriting process. To address this issue, we propose Multi-Faceted Self-Consistent Preference Aligned CQR (MSPA-CQR). Specifically, we first construct self-consistent preference alignment data from three dimensions (rewriting, retrieval, and response) to generate more diverse rewritten queries. Then we propose prefix guided multi-faceted direct preference optimization to learn preference information from three different dimensions. The experimental results show that our MSPA-CQR is effective in both in- and out-of-distribution scenarios.
• Abstract（参考訳）: Conversational Query Rewriting (CQR) は、より効率的な会話検索を実現するために曖昧なクエリを書き換えることを目的としている。 初期の研究は、クエリの書き直し、パスの検索、リライトプロセスのレスポンス生成からのフィードバックを無視して、独立した書き直しに重点を置いてきた。 本稿では,MSPA-CQR(Multi-Faceted Self-Consistent Preference Aligned CQR)を提案する。 具体的には、まず3次元(書き直し、検索、応答)から自己整合性嗜好アライメントデータを構築し、より多様な書き直しクエリを生成する。 次に,3つの異なる次元から嗜好情報を学習するために,プレフィックスガイド付き多面直接選好最適化を提案する。 実験の結果,MSPA-CQRは分布内および分布外の両方に有効であることがわかった。

関連論文リスト

• ICR: Iterative Clarification and Rewriting for Conversational Search [25.48484246820614]
  そこで本研究では,明確化問題に焦点をあてた反復的書き換え方式を提案する。 このフレームワーク内では、モデルは明確化質問の生成とクエリの書き直しを交互に行う。 我々のICRは、明確化・書き換え反復プロセスにおける検索性能を継続的に改善することができる。
  論文  参考訳（メタデータ） (2025-09-05T13:37:04Z)
• Adaptive Query Rewriting: Aligning Rewriters through Marginal Probability of Conversational Answers [66.55612528039894]
  AdaQRは、シードデータセットからの限定的な書き直しアノテーションと完全にパスラベルのないクエリ書き換えモデルをトレーニングするフレームワークである。 会話クエリに条件付き回答の確率を用いて,これらの候補に対する検索者の嗜好を評価する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-16T16:09:05Z)
• LLM-R2: A Large Language Model Enhanced Rule-based Rewrite System for Boosting Query Efficiency [65.01402723259098]
  本稿では,LLM-R2 という新しいクエリ書き換え手法を提案する。 実験結果から,本手法はクエリ実行効率を大幅に向上し,ベースライン法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-04-19T13:17:07Z)
• Selecting Query-bag as Pseudo Relevance Feedback for Information-seeking Conversations [76.70349332096693]
  情報検索対話システムは電子商取引システムで広く利用されている。 クエリバッグに基づくPseudo Relevance Feedback framework(QB-PRF)を提案する。 関連クエリを備えたクエリバッグを構築し、擬似シグナルとして機能し、情報検索の会話をガイドする。
  論文  参考訳（メタデータ） (2024-03-22T08:10:32Z)
• Ask Optimal Questions: Aligning Large Language Models with Retriever's Preference in Conversation [23.74712435991676]
  RetPOは、ターゲット検索システムの好みに合わせて検索クエリを再構成する言語モデルを最適化するように設計されている。 我々は、12Kの会話で410K以上のクエリを書き換えるRetrievers' Feedbackと呼ばれる大規模なデータセットを構築した。 その結果,2つのベンチマークにおいて,従来のリライト・ザ・リトリーブ・アプローチの最先端性能を上回る優位性を示した。
  論文  参考訳（メタデータ） (2024-02-19T04:41:31Z)
• Query Rewriting for Retrieval-Augmented Large Language Models [139.242907155883]
  大規模言語モデル(LLM)は、検索対象のパイプラインで強力なブラックボックスリーダーを動作させる。 この作業では、検索拡張LDMに対する以前の検索テーマ読み込みの代わりに、新しいフレームワークであるRewrite-Retrieve-Readを導入する。
  論文  参考訳（メタデータ） (2023-05-23T17:27:50Z)
• 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)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)

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。