論文の概要: Enhancing Healthcare Search Intent Recognition with Query Representation Learning and Session Context

• arxiv url: http://arxiv.org/abs/2605.10021v1
• Date: Mon, 11 May 2026 05:44:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.55486
• Title: Enhancing Healthcare Search Intent Recognition with Query Representation Learning and Session Context
• Title（参考訳）: 質問表現学習とセッションコンテキストを用いた医療検索インテント認識の強化
• Authors: Harshita Jagdish Sahijwani, Madhav Sigdel, Song Aslan, Priya Gopi Achuthan, Monica D. Skidmore, Eugene Agichtein, Chen Lin,
• Abstract要約: 本稿では,健康検索クエリの多面的特徴を捉えるために,新たな損失関数を提案する。 我々は,健康クエリのあいまいさと,グローバル検索意図と個別セッションから識別された内容との相違を定量化する。
• 参考スコア（独自算出の注目度）: 7.918995314783813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classifying the intent behind healthcare search queries is crucial for improving the delivery of online healthcare information. The intricate nature of medical search queries, coupled with the limited availability of high-quality labeled data, presents substantial challenges for developing efficient classification models. Previous studies have exploited user interaction data, such as user clicks from search logs and employed pairwise loss functions to model co-click behavior for query representation learning. However, many health queries could have multiple intents, resulting in ambiguous or divergent click behavior. Furthermore, learning the single most popular intent of queries as inferred from global statistics based on the aggregate behavior of different users could potentially lead to disparity and performance drop when classifying the query intent within specific search sessions. To address these limitations, our work improves the query representation learning by aggregating similar queries via clustering, and introducing a novel loss function designed to capture the multifaceted nature of health search queries, resulting in a more scalable and accurate learning procedure. Furthermore, we quantify the ambiguity of health queries and the misalignment between global search intents and those discerned from individual sessions, by introducing the concordance rate (CR) score, and demonstrate a simple and effective method for incorporating our learned query representation into contextual, session-based search intent classification. Our extensive experimental results and analysis on two real-world search log datasets, i.e., a Health Search (HS) dataset and the publicly available TripClick dataset, demonstrate that our approach not only improves the intrinsic clustering metrics for query representation learning but also enhances accuracy for subsequent search intent classification tasks.
• Abstract（参考訳）: 医療検索クエリの背後にある意図を分類することは、オンライン医療情報の配信を改善するために不可欠である。 医用検索クエリの複雑な性質は、高品質なラベル付きデータの可用性の制限と相まって、効率的な分類モデルを開発する上で大きな課題となっている。 従来の研究では、検索ログからのユーザクリックやペアワイズ損失関数といったユーザインタラクションデータを利用して、クエリ表現学習のためのコクリック動作をモデル化していた。 しかし、多くのヘルスクエリには複数の意図があり、あいまいなクリック動作やバラバラなクリック動作をもたらす可能性がある。 さらに、グローバル統計から推測されるクエリの最も一般的なインテントを学習することで、特定の検索セッション内でクエリインテントを分類する際に、異なるユーザの集合的振る舞いに基づいてクエリの最も一般的なインテントを学習することで、相違やパフォーマンス低下につながる可能性がある。 これらの制約に対処するため、クラスタリングにより類似したクエリを集約することでクエリ表現学習を改善し、よりスケーラブルで正確な学習手順を実現するために、ヘルス検索クエリの多面的な性質を捉えるように設計された新しい損失関数を導入する。 さらに,本研究は,学習した問合せ表現を文脈的,セッションベースの検索意図分類に組み込むための簡易かつ効果的な手法を実証し,健康クエリのあいまいさと,グローバル検索意図と個々のセッションから識別されたものとの相違を定量化する。 実世界の2つの検索ログデータセット、すなわちHealth Search(HS)データセットとTripClickデータセットに関する広範な実験結果と分析により、我々のアプローチは、クエリ表現学習における固有のクラスタリングメトリクスの改善だけでなく、その後の検索意図分類タスクの精度の向上も示している。

関連論文リスト

• Reasoning-enhanced Query Understanding through Decomposition and Interpretation [87.56450566014625]
  ReDIは、分解と解釈によるクエリ理解のための推論強化アプローチである。 我々は,大規模検索エンジンから実世界の複雑なクエリの大規模データセットをコンパイルした。 BRIGHT と BEIR の実験により、ReDI はスパースと密度の高い検索パラダイムの両方において、強いベースラインを一貫して超えることを示した。
  論文  参考訳（メタデータ） (2025-09-08T10:58:42Z)
• Maybe you are looking for CroQS: Cross-modal Query Suggestion for Text-to-Image Retrieval [15.757140563856675]
  この研究は、コレクションの視覚的に一貫したサブセットを探索するために必要な最小限のテキスト修正を提案することに焦点を当てた、新しいタスクを導入している。 提案手法の評価と開発を容易にするため,CroQSというベンチマークを試作した。 画像キャプションやコンテンツ要約などの関連分野からのベースライン手法をこのタスクに適用し、基準性能スコアを提供する。
  論文  参考訳（メタデータ） (2024-12-18T13:24:09Z)
• Query-oriented Data Augmentation for Session Search [71.84678750612754]
  本稿では,検索ログの強化とモデリングの強化を目的としたクエリ指向データ拡張を提案する。 検索コンテキストの最も重要な部分を変更することで補足的なトレーニングペアを生成する。 我々は、現在のクエリを変更するためのいくつかの戦略を開発し、その結果、様々な難易度で新しいトレーニングデータを得る。
  論文  参考訳（メタデータ） (2024-07-04T08:08:33Z)
• Beyond Semantics: Learning a Behavior Augmented Relevance Model with Self-supervised Learning [25.356999988217325]
  関連モデリングは、対応するクエリに対して望ましい項目を見つけることを目的としている。 ユーザの履歴行動データから抽出された補助的なクエリ-イテム相互作用は、ユーザの検索意図をさらに明らかにするためのヒントを提供する可能性がある。 本モデルでは, 隣接する視点と対象視点の両方から, 粗粒度および細粒度の意味表現を蒸留するための多レベルコアテンションを構築している。
  論文  参考訳（メタデータ） (2023-08-10T06:52:53Z)
• Graph Enhanced BERT for Query Understanding [55.90334539898102]
  クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。 近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。 本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
  論文  参考訳（メタデータ） (2022-04-03T16:50:30Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)

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。