論文の概要: Entity Labels Are Not Entity Signals: A Framework for Observable Relevance in Document Re-Ranking

• arxiv url: http://arxiv.org/abs/2606.15998v1
• Date: Sun, 14 Jun 2026 19:52:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:04.988519
• Title: Entity Labels Are Not Entity Signals: A Framework for Observable Relevance in Document Re-Ranking
• Title（参考訳）: エンティティラベルはエンティティシグナルではない - ドキュメントの再ロードにおける観測可能な関連性のためのフレームワーク
• Abstract要約: エンティティリンクは不完全なリンカによって生成される仮説であることを示す。 本研究は,エンティティ・アウェア検索におけるエンティティ関連性の概念から,観測可能な概念への転換を動機とするものである。
• 参考スコア（独自算出の注目度）: 4.468952886990851
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Entity-aware document retrieval uses query-associated entities as ranking signals, assuming that semantically relevant entities are also useful retrieval signals. We show this assumption is insufficient- and explain why. Unlike terms, which are ground-truth observations, entity links are hypotheses produced by an imperfect linker: an entity can be topically central yet provide no discriminative signal if the linker fires indiscriminately across relevant and non-relevant documents. We formalize this as a distinction between Conceptual Entity Relevance (CER)- whether an entity is topically related to a query- and Observable Entity Relevance (OER)- whether its observed presence in a collection discriminates relevant from non-relevant documents. Across four collections and annotation sources including human entity judgments, CER and OER exhibit near-chance agreement ($κ\approx 0$), while OER operationalizations agree substantially ($κ\approx 0.5$), confirming CER as the systematic outlier. CER-based supervision selects topically plausible but weakly discriminative entities, pruning fewer than 4% of non-relevant documents on some collections. Aligning supervision with OER improves non-relevant pruning by up to 10x and open-world MAP by 0.051 over BM25. Our findings motivate a shift from conceptual to observable notions of entity relevance in entity-aware retrieval.
• Abstract（参考訳）: エンティティ対応文書検索は、意味的関連エンティティも有用な検索信号であると仮定して、クエリ関連エンティティをランキング信号として使用する。 この仮定が不十分であることを示し、その理由を説明します。 エンティティリンクは、不完全なリンカーによって生成される仮説である: エンティティは、トポロジ的に中央に置かれるが、リンカーが関連文書と非関連文書を無差別に発火した場合、識別シグナルは提供されない。 我々は、このことを概念エンティティ関連(CER)の区別として定式化し、エンティティがクエリーとオブザーバブルエンティティ関連(OER)にトポロジ的に関連しているかどうか、コレクションにおけるその観測された存在が非関連文書と区別するかどうかを定式化する。 人的エンティティ判断を含む4つのコレクションおよびアノテーションソースのうち、CERとOERは、ほぼ一致(κ\approx 0$)を示し、OERの運用は実質的に(κ\approx 0.5$)、CERが体系的なアウトリーチであることを確認している。 CERをベースとした監督機関は、あるコレクションの非関連文書の4%未満を刈り取ることで、トポロジカル・プラウジブルだが弱い差別的実体を選択する。 OERによる監督の調整により、BM25上での非関連プルーニングを最大10倍、オープンワールドMAPを0.051倍改善する。 本研究は,エンティティ・アウェア検索におけるエンティティ関連性の概念から,観測可能な概念への転換を動機とするものである。

関連論文リスト

• VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
  VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。 100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。 強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
  論文  参考訳（メタデータ） (2026-08-18T15:23:06Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• RSRank: Learning Relevance from Representational Shifts [2.996596877662786]
  関連度スコアの校正を行うため,予測RSを学習する軽量なトレーニングフレームワークを導入する。 トレーニングの目的は、無関係なコンテンツをゼロしきい値で自然にフィルタリングし、依存調整を減らすことである。
  論文  参考訳（メタデータ） (2026-06-16T03:29:23Z)
• CoDeR: Local Constraint-Compatible Retrieval Beyond Semantic Similarity [13.75285503644468]
  CoDeRは局所制約に適合した高密度検索法である。 CoDeRは、トピックの関連性と制約の互換性を分離する。 我々はCoDeRを,制御診断と公開負制約評価ベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-06-11T11:15:21Z)
• Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
  エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。 このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。 IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-05-03T19:13:11Z)
• Inductive Reasoning for Temporal Knowledge Graphs with Emerging Entities [54.48612448535698]
  時間的知識グラフ(TKG)の推論は、将来の事象や時間的な事実を予測する上で不可欠である。 本稿では,意味論的に類似したエンティティから過去のインタラクションシーケンスを活用し,帰納的推論を支援する新しいフレームワークであるTransFIRを提案する。
  論文  参考訳（メタデータ） (2026-04-11T11:23:05Z)
• Entities as Retrieval Signals: A Systematic Study of Coverage, Supervision, and Evaluation in Entity-Oriented Ranking [5.279475826661643]
  6つの神経リランカと437個の非教師なし構成をBM25に対して評価した。 443のシステム全体では、MAPが0.05以上改善されることはない。
  論文  参考訳（メタデータ） (2026-04-06T22:02:35Z)
• SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
  コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。 類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。 文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
  論文  参考訳（メタデータ） (2024-06-15T21:57:03Z)
• Entity Disambiguation via Fusion Entity Decoding [68.77265315142296]
  より詳細なエンティティ記述を持つエンティティを曖昧にするためのエンコーダ・デコーダモデルを提案する。 GERBILベンチマークでは、EntQAと比較して、エンド・ツー・エンドのエンティティリンクが+1.5%改善されている。
  論文  参考訳（メタデータ） (2024-04-02T04:27:54Z)
• DREQ: Document Re-Ranking Using Entity-based Query Understanding [6.675805308519988]
  DREQはエンティティ指向の高密度ドキュメント再ランクモデルである。 ドキュメント表現内のクエリ関連エンティティを強調しながら、関連性の低いエンティティを同時に減らします。 DREQは、最先端のニューラル・非ニューラル・リグレード法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-01-11T14:27:12Z)
• Autoregressive Entity Retrieval [55.38027440347138]
  エンティティは、知識の表現と集約の方法の中心にあります。 クエリが与えられたエンティティを検索できることは、エンティティリンクやオープンドメインの質問応答のような知識集約的なタスクに基本となる。 本稿では,自己回帰方式でトークン・バイ・トークンを左から右に生成し,エンティティを検索する最初のシステムであるGENREを提案する。
  論文  参考訳（メタデータ） (2020-10-02T10:13:31Z)

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。