論文の概要: RAQG-QPP: Query Performance Prediction with Retrieved Query Variants and Retrieval Augmented Query Generation

• arxiv url: http://arxiv.org/abs/2604.27244v1
• Date: Wed, 29 Apr 2026 22:31:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.828364
• Title: RAQG-QPP: Query Performance Prediction with Retrieved Query Variants and Retrieval Augmented Query Generation
• Title（参考訳）: RAQG-QPP: 検索クエリ変数と検索クエリ生成によるクエリパフォーマンス予測
• Authors: Fangzheng Tian, Debasis Ganguly, Craig Macdonald,
• Abstract要約: 本稿では,過去のクエリのログから検索したクエリをQVとして利用し,その後QPPに使用することを提案する。 検索したQVを直接QPPに適用することに加えて,検索したQVに条件付きQVを生成するために,大規模言語モデル(LLM)を活用することを提案する。
• 参考スコア（独自算出の注目度）: 24.439170886636788
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Query Performance Prediction (QPP) estimates the retrieval quality of ranking models without the use of any human-assessed relevance judgements, and finds applications in query-specific selective decision making to improve overall retrieval effectiveness. Although unsupervised QPP approaches are effective for lexical retrieval models, they usually perform weaker for neural rankers. Recent work shows that leveraging query variants (QVs), i.e., queries with potentially similar information needs to a given query, can enhance unsupervised QPP accuracy. However, existing QV-based prediction methods rely on query variants generated by term expansion of the input query, which is likely to yield incoherent, hallucinatory and off-topic QVs. In this paper, we propose to make use of queries retrieved from a log of past queries as QVs to be subsequently used for QPP. In addition to directly applying retrieved QVs in QPP, we further propose to leverage large language models (LLMs) to generate QVs conditioned on the retrieved QVs, thus mitigating the limitation of relying only on existing queries in a log. Experiments on TREC DL'19 and DL'20 show that QPP enhanced with RAQG outperform the best-performing existing QV-based prediction approach by as much as 30% on neural ranking models such as MonoT5.
• Abstract（参考訳）: 問合せ性能予測 (QPP) は, 人件関係判断を使わずに, ランキングモデルの検索品質を推定し, 総合的検索効率を向上させるために, 問合せ固有の選択決定に応用する。 教師なしQPPアプローチは語彙検索モデルでは有効であるが、通常はニューラルネットワークローダでは弱い。 最近の研究は、クエリ変種(QV)を活用すること、すなわち、あるクエリに潜在的に類似した情報を必要とするクエリは、教師なしのQPP精度を高めることができることを示している。 しかし、既存のQVベースの予測手法は、入力クエリの項展開によって生成されるクエリの変種に依存しており、不整合性、幻覚性、および近視性QVをもたらす可能性が高い。 本稿では,過去のクエリのログから検索したクエリをQVとして利用し,その後QPPに使用することを提案する。 検索したQVを直接QPPに適用することに加えて,検索したQVに条件付きQVを生成するために,大規模言語モデル(LLM)を活用することを提案し,ログ内の既存のクエリのみに依存する制限を緩和する。 TREC DL'19 と DL'20 の実験では、QPP は RAQG で強化され、既存のQV ベースの予測手法よりも30%も優れていた。

関連論文リスト

• Can QPP Choose the Right Query Variant? Evaluating Query Variant Selection for RAG Pipelines [48.34524144147475]
  LLM(Large Language Models)は、現代の検索やRAG(Retrieval-Augmented Generation)パイプラインにおいて、クエリ再構成を至るところで実現している。 本稿では、アドホック検索とエンドツーエンドRAGをまたいで、クエリ性能予測(QPP)を異種選択のメカニズムとして検討する。
  論文  参考訳（メタデータ） (2026-04-24T15:36:40Z)
• VQPP: Video Query Performance Prediction Benchmark [22.214338497366082]
  ビデオクエリ性能予測(VQPP)のための最初のベンチマークを提案する。 VQPPには56Kのテキストクエリと51Kのビデオが含まれており、公式のトレーニング、検証、テストの分割が付属している。 検索前および検索後のパフォーマンス予測器を複数検討し、ビデオ領域におけるQPPの今後の探索のための代表的なベンチマークを作成する。
  論文  参考訳（メタデータ） (2026-02-19T20:32:25Z)
• Breaking Flat: A Generalised Query Performance Prediction Evaluation Framework [10.378957672522157]
  本研究では、QPPタスクを一般化し、与えられたクエリに対してどのランキングモデルが最も効果的かを決定する。 以上の結果から,クエリに対する最良ランクの予測は,与えられたランクのクエリの相対的難易度を予測するよりもはるかに困難であることが示唆された。
  論文  参考訳（メタデータ） (2026-01-24T08:10:37Z)
• Predicting Retrieval Utility and Answer Quality in Retrieval-Augmented Generation [24.439170886636788]
  RAGの改善の鍵となる課題は、検索した文書の有用性と最終回答の品質の両方を、正確性と妥当性の観点から予測することである。 RAG内では,検索性能予測と生成性能予測という2つの予測タスクを定義している。 入力クエリに条件付けされた検索コンテキストのLLMの難易度など、読者中心の機能は、予測精度をさらに高めることができると論じる。
  論文  参考訳（メタデータ） (2026-01-20T23:59:54Z)
• Revisiting Query Variants: The Advantage of Retrieval Over Generation of Query Variants for Effective QPP [24.439170886636788]
  本稿では,QPPの所定のターゲットクエリに対するトレーニングセットからQVを抽出する手法を提案する。 最も類似した情報を必要とするクエリの検索において高いリコールを達成するため、直接検索したQVを第2検索により拡張する。 TREC DL'19 と DL'20 を用いて行った実験により,本手法により得られたQVを用いたQPP法は,既存のQVベースのQPP法よりも最大20%高い性能を示した。
  論文  参考訳（メタデータ） (2025-10-02T19:36:58Z)
• Query Performance Prediction using Relevance Judgments Generated by Large Language Models [53.97064615557883]
  自動生成関連判定(QPP-GenRE)を用いた新しいクエリ性能予測(QPP)フレームワークを提案する。 QPP-GenREは、QPPを独立したサブタスクに分解し、ランクリスト内の各項目の関連性を所定のクエリに予測する。 我々は,オープンソースの大規模言語モデル (LLM) を用いて,科学的妥当性を確保することにより,項目の関連性を予測する。
  論文  参考訳（メタデータ） (2024-04-01T09:33:05Z)
• Query Performance Prediction: From Ad-hoc to Conversational Search [55.37199498369387]
  クエリパフォーマンス予測(QPP)は、情報検索における中核的なタスクである。 アドホック検索におけるQPPの有効性と有用性について検討した。 その可能性にもかかわらず、会話検索のためのQPPはほとんど研究されていない。
  論文  参考訳（メタデータ） (2023-05-18T12:37:01Z)
• Harvesting and Refining Question-Answer Pairs for Unsupervised QA [95.9105154311491]
  教師なし質問回答(QA)を改善するための2つのアプローチを提案する。 まず、ウィキペディアから語彙的・構文的に異なる質問を抽出し、質問応答対のコーパスを自動的に構築する(RefQAと名づけられる)。 第2に、より適切な回答を抽出するためにQAモデルを活用し、RefQA上でデータを反復的に洗練する。
  論文  参考訳（メタデータ） (2020-05-06T15:56:06Z)

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。