論文の概要: ECLASS-Augmented Semantic Product Search for Electronic Components

• arxiv url: http://arxiv.org/abs/2604.19664v1
• Date: Tue, 21 Apr 2026 16:48:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.880871
• Title: ECLASS-Augmented Semantic Product Search for Electronic Components
• Title（参考訳）: ECLASS-Augmented Semantic Product Search for Electronic Components (特集:電子工学)
• Authors: Nico Baumgart, Markus Lange-Hegermann, Jan Henze,
• Abstract要約: 産業製品データへの効率的なセマンティックアクセスは、工場自動化の鍵となる。 産業用電子部品のセマンティック製品探索のためのLLM支援高密度検索の体系的評価を行う。 以上の結果から,階層検索と再ランク付けが相まって,古典的語彙法や基礎モデルWeb検索のベースラインを著しく上回っていることが示唆された。
• 参考スコア（独自算出の注目度）: 2.8165396388850112
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Efficient semantic access to industrial product data is a key enabler for factory automation and emerging LLM-based agent workflows, where both human engineers and autonomous agents must identify suitable components from highly structured catalogs. However, the vocabulary mismatch between natural-language queries and attribute-centric product descriptions limits the effectiveness of traditional retrieval approaches, e.g., BM25. In this work, we present a systematic evaluation of LLM-assisted dense retrieval for semantic product search on industrial electronic components, and investigate the integration of hierarchical semantics from the ECLASS standard into embedding-based retrieval. Our results show that dense retrieval combined with re-ranking substantially outperforms classical lexical methods and foundation model web-search baselines. In particular, the proposed approach achieves a Hit_Rate@5 of 94.3 %, compared to 31.4 % for BM25 on expert queries, while also exceeding foundation model baselines in both effectiveness and efficiency. Furthermore, augmenting product representations with ECLASS semantics yields consistent performance gains across configurations, demonstrating that standardized hierarchical metadata provides a crucial semantic bridge between user intent and sparse product descriptions.
• Abstract（参考訳）: 産業製品データへの効率的なセマンティックアクセスは、工場の自動化とLLMベースのエージェントワークフローのための重要な有効性であり、人間技術者と自律エージェントの両方が高度に構造化されたカタログから適切なコンポーネントを識別する必要がある。 しかし、自然言語クエリと属性中心の製品記述の語彙ミスマッチは、従来の検索手法であるBM25の有効性を制限している。 本研究では,産業用電子部品のセマンティックな製品探索のためのLLM支援密度検索の体系的評価を行い,ECLASS標準からの階層的セマンティックスを埋め込みベース検索に統合することを検討する。 以上の結果から,階層検索と再ランク付けが相まって,古典的語彙法や基礎モデルWeb検索のベースラインを著しく上回っていることが示唆された。 特に,提案手法は,専門家クエリのBM25の31.4 %に対して,Hit_Rate@5の94.3 %を達成する一方で,有効性と効率の両面で基礎モデルベースラインを超えている。 さらに、ECLASSセマンティクスによる製品表現の強化は、構成間で一貫したパフォーマンス向上をもたらし、標準化された階層的なメタデータが、ユーザ意図とスパースな製品記述の間に決定的なセマンティクスブリッジを提供することを示した。

関連論文リスト

• ROSE: Retrieval-Oriented Segmentation Enhancement [79.7370065070812]
  既存のマルチモーダル大言語モデル(MLLM)に基づくセグメンテーションモデルは、最新の知識を組み込むことができないため、しばしば新しいまたは新しいエンティティと競合する。 本論文では,学習データがないためMLLMが認識できない新規なエンティティのセグメンテーションと,モデルの知識の中に存在するが,正確な認識のために最新の情報を要求する新興エンティティのセグメンテーションに焦点を当てた,NEST(Novel Emerging Task)を紹介した。 Rose: Retrieval-Oriented Enhancementは、MLLMベースのセグメンテーションモデルを拡張するために設計されたプラグインとプレイのフレームワークです。
  論文  参考訳（メタデータ） (2026-04-15T17:59:35Z)
• LLM-based Semantic Search for Conversational Queries in E-commerce [1.3645712130536118]
  会話クエリからユーザ意図をキャプチャするLLMベースのセマンティック検索フレームワークを提案する。 本フレームワークは,実世界のデータセットのベースラインアプローチと比較して,様々な設定において高い精度とリコールを実現する。
  論文  参考訳（メタデータ） (2026-01-23T06:35:28Z)
• A Systematic Framework for Enterprise Knowledge Retrieval: Leveraging LLM-Generated Metadata to Enhance RAG Systems [0.0]
  本研究では,大規模言語モデル(LLM)を用いたメタデータ強化のための体系的フレームワークを提案する。 提案手法では,文書セグメントに意味のあるメタデータを動的に生成する包括的,構造化されたパイプラインを用いる。
  論文  参考訳（メタデータ） (2025-12-05T04:05:06Z)
• Chained Prompting for Better Systematic Review Search Strategies [0.6633201258809686]
  本稿では,システムレビューにおいて,検索戦略の自動開発のための大規模言語モデルに基づく連鎖型プロンプトエンジニアリングフレームワークを提案する。 このフレームワークは、手動検索設計の手続き的構造を再現し、LLMを活用して、レビュー対象を分解し、PICO要素を抽出し、概念表現を生成し、用語を拡張し、クエリを合成する。
  論文  参考訳（メタデータ） (2025-11-28T12:12:38Z)
• LLM-based Triplet Extraction for Automated Ontology Generation in Software Engineering Standards [0.0]
  ソフトウェアエンジニアリング標準(SES)は、長い、構造化されていないテキスト(高いノイズを伴う)とドメイン固有の用語の段落から構成される。 本研究では,オープンソースの大規模言語モデル (LLM) を用いたSESのためのRTEアプローチを提案する。
  論文  参考訳（メタデータ） (2025-08-29T17:14:54Z)
• SCAN: Structured Capability Assessment and Navigation for LLMs [54.54085382131134]
  textbfSCAN (Structured Capability Assessment and Navigation) は、大規模言語モデルの詳細な特徴付けを可能にする実用的なフレームワークである。 SCANには4つの重要なコンポーネントが含まれている。 TaxBuilder – クエリから機能表示タグを抽出して階層的な分類構造を構築する。 RealMixは、各機能タグに対する十分な評価データを保証するクエリ合成とフィルタリングのメカニズムである。 PC$2$ベースのLCM-as-a-Judge法は従来のLCM-as-a-Judge法と比較して大幅に精度が向上する
  論文  参考訳（メタデータ） (2025-05-10T16:52:40Z)
• Automated Query-Product Relevance Labeling using Large Language Models for E-commerce Search [3.392843594990172]
  クエリとプロダクトのペアをアノテートするための従来のアプローチは、人間ベースのラベリングサービスに依存している。 本研究では,Large Language Models (LLMs) が,人間ラベル作成者に必要な時間とコストのごく一部で,このタスクにおける人間レベルの精度にアプローチ可能であることを示す。 この拡張性のある人間のアノテーションの代替は、情報検索領域に重大な影響を及ぼす。
  論文  参考訳（メタデータ） (2025-02-21T22:59:36Z)
• Unleash LLMs Potential for Recommendation by Coordinating Twin-Tower Dynamic Semantic Token Generator [60.07198935747619]
  動的セマンティック・インデックス・パラダイムを採用した最初の生成型RSであるTTDS(Twin-Tower Dynamic Semantic Recommender)を提案する。 より具体的には、ツイン・トワー・セマンティック・トークン・ジェネレータをLLMベースのレコメンデータに統合する動的知識融合フレームワークを初めて提案する。 提案したTTDSレコメンデータは,平均19.41%のヒットレート,20.84%のNDCG測定値を実現している。
  論文  参考訳（メタデータ） (2024-09-14T01:45:04Z)
• 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)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)

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。