論文の概要: Policy-Grounded Dynamic Facet Suggestions for Job Search

• arxiv url: http://arxiv.org/abs/2605.16479v1
• Date: Fri, 15 May 2026 17:30:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.507823
• Title: Policy-Grounded Dynamic Facet Suggestions for Job Search
• Title（参考訳）: 職探しのためのポリシー付き動的ファセットの提案
• Authors: Dan Xu, Baofen Zheng, Qianqi Shen, Jianqiang Shen, Wenqiong Liu, Chunnan Yao, Ping Liu, Rajat Arora, Kevin Kao, Hsiang Lin, Wanjun Jiang, Yusuke Takebuchi, Jingwei Wu, Wenjing Zhang,
• Abstract要約: LinkedInでは、ジョブ関連のクエリの80%以上が、3つ以上のキーワードを含んでいる。 本稿では,意図の曖昧さを容易にする対話型クエリ改善機構である動的ファセット提案(DFS)を提案する。
• 参考スコア（独自算出の注目度）: 8.820401111478139
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Job seekers often initiate search with short, underspecified queries. At LinkedIn, over 80% of job-related queries contain three or fewer keywords, making accurate user intent inference and relevant job retrieval particularly challenging. We present dynamic facet suggestion (DFS), an interactive query refinement mechanism that facilitates intent disambiguation by surfacing personalized semantic attributes conditioned on the joint user-query context in real time. We propose a policy-grounded, retrieval-augmented ranking framework for facet suggestion, comprising offline taxonomy curation, embedding-based retrieval of top-K candidates, and distilled small language model (SLM) based candidate scoring. The system is optimized for real-time serving via pointwise single-token scoring with batching and prefix caching. Offline evaluation demonstrates high precision for generated suggestions, and online A/B tests show significant improvements in suggestion engagement and job search outcomes.
• Abstract（参考訳）: 求職者は、短い、特定されていないクエリで検索を開始することが多い。 LinkedInでは、ジョブ関連のクエリの80%以上が3つ以上のキーワードを含んでおり、正確なユーザ意図推論と関連するジョブ検索が特に難しい。 本研究では,対話型クエリ改善機構である動的ファセット提案(DFS)について,ユーザ・クエリのコンテキストに規定されたパーソナライズされたパーソナライズされた属性をリアルタイムに提示することにより,意図の曖昧さを解消する。 本稿では,オフラインの分類学キュレーション,トップK候補の組込みに基づく検索,および蒸留小言語モデル(SLM)に基づく候補スコアリングを含む,ファセット提案のためのポリシー付き検索強化ランキングフレームワークを提案する。 このシステムは、バッチ処理とプレフィックスキャッシュを備えたポイントワイズシングルトークンスコアリングによるリアルタイムサービスに最適化されている。 オンラインA/Bテストでは,提案提案の精度が向上し,求職結果が大幅に改善した。

関連論文リスト

• Superintelligent Retrieval Agent: The Next Frontier of Information Retrieval [25.731213365755234]
  textitSuperIntelligent Retrieval Agent (SIRA)を紹介する。 SIRAは、複数ラウンド探索探索を単一のコーパス識別検索アクションに圧縮することができる。 解釈可能で、トレーニング不要で、効率的でありながら、より高価なマルチラウンドサーチを超えることができる。
  論文  参考訳（メタデータ） (2026-05-07T17:54:29Z)
• Rethinking Deep Research from the Perspective of Web Content Distribution Matching [86.90255285277256]
  WeDasは,検索空間の構造的特徴をエージェントの観察空間に組み込んだWebコンテンツ配信アウェアフレームワークである。 本稿では,Query-Result Alignment Scoreを反復的に推定する数ショットの探索機構を提案する。 プラグイン・アンド・プレイモジュールとして、WeDasは4つのベンチマークのサブゴール補完と精度を一貫して改善している。
  論文  参考訳（メタデータ） (2026-03-07T14:51:17Z)
• User Intent Recognition and Semantic Cache Optimization-Based Query Processing Framework using CFLIS and MGR-LAU [0.0]
  この研究は、拡張QPのためのクエリにおける情報、ナビゲーション、およびトランザクションベースのインテントを分析した。 効率的なQPのために、データはEpanechnikov Kernel-Ordering Pointsを用いて構造化され、クラスタリング構造(EK-OPTICS)を同定する。 抽出された特徴、検出された意図、構造化データは、MGR-LAU(Multi-head Gated Recurrent Learnable Attention Unit)に入力される。
  論文  参考訳（メタデータ） (2024-06-06T20:28:05Z)
• Learning to Retrieve for Job Matching [22.007634436648427]
  本稿では、LinkedInの求人・推薦システムを強化するための学習検索技術の適用について論じる。 確認された雇用データを利用して求職者の求職資格を評価するグラフを構築し、学習したリンクを検索に活用する。 従来の逆インデックスに基づく解に加えて、KNNと項マッチングの両方を効率的にサポートできるon-GPUソリューションを開発した。
  論文  参考訳（メタデータ） (2024-02-21T00:05:25Z)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)
• Query-Response Interactions by Multi-tasks in Semantic Search for Chatbot Candidate Retrieval [12.615150401073711]
  本稿では,マルチタスクに基づくセマンティックサーチニューラルネットワーク(MSSNN)を提案する。 この方法はSeq2Seqモデリングタスクを使用して、優れたクエリエンコーダを学習し、応答埋め込みを構築するために単語予測タスクを実行し、最終的に単純なマッチングモデルを実行し、ドット積スコアラを形成する。
  論文  参考訳（メタデータ） (2022-08-23T15:07:35Z)
• 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)
• APRF-Net: Attentive Pseudo-Relevance Feedback Network for Query Categorization [12.634704014206294]
  クエリ分類のためのレアクエリの表現を強化するために,textbfAttentive textbfPseudo textbfRelevance textbfFeedback textbfNetwork (APRF-Net) という新しいディープニューラルネットワークを提案する。 以上の結果から,APRF-Netはクエリ分類をF1@1$スコアで5.9%改善し,レアクエリでは8.2%向上した。
  論文  参考訳（メタデータ） (2021-04-23T02:34:08Z)
• Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
  本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。 アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。 当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
  論文  参考訳（メタデータ） (2020-12-09T17:56:22Z)

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。