論文の概要: Listwise Explanation of Embedding-Based Rankings via Semantic Chunk Grouping

• arxiv url: http://arxiv.org/abs/2606.27980v1
• Date: Fri, 26 Jun 2026 11:30:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.475791
• Title: Listwise Explanation of Embedding-Based Rankings via Semantic Chunk Grouping
• Title（参考訳）: セマンティックチャンクグルーピングによる埋め込み型ランキングのリストワイズ説明
• Abstract要約: 我々はChunkGroupSHAPを紹介した。ChunkGroupSHAPは、意味的に関連するチャンクを共有ドキュメント機能にクラスタリングするリストワイドシェープ手法である。 群を偽造することは、すべての文書を関連する証拠で妨害し、密集した表現に近い粒度にランク付けする。 MARCO, FinanceBench, AILACaseDocs, FinQA with E5 Rankers and BM25 では, 最良説明単位が設定依存であることが確認された。
• 参考スコア（独自算出の注目度）: 1.6109077391631914
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dense embedding rankers score documents through contextual sentence- and passage-level representations. Yet many listwise explanation methods still attribute rankings to isolated words. This feature-unit mismatch leaves word-level features too fragmented for dense semantic ranking. We introduce ChunkGroupSHAP, a listwise Shapley method that clusters semantically related chunks into shared cross-document features. Masking a group perturbs all documents with related evidence, attributing rankings at a granularity closer to dense representations while preserving the listwise setup. Our findings across MS MARCO, FinanceBench, AILACaseDocs, and FinQA with E5 rankers and BM25 show that the best explanation unit is setting-dependent: word features for lexical BM25, corpus-level groups for dense rankers, and query-local grouping for heterogeneous web retrieval. Feature units should thus follow both the ranker's representational granularity and the structure of the retrieved corpus.
• Abstract（参考訳）: デンス埋め込みローダは、文脈文および通過レベルの表現を通じて文書をスコアする。 しかし、多くのリストワイズな説明法は、依然として孤立した単語にランク付けしている。 この特徴単位ミスマッチは、単語レベルの特徴が高密度なセマンティックなランク付けのために断片化されすぎている。 我々はChunkGroupSHAPを紹介した。ChunkGroupSHAPは、意味的に関連するチャンクを共有ドキュメント機能にクラスタリングするリストワイドシェープ手法である。 群を偽造することは、すべての文書を関連する証拠で妨害し、リストワイズの設定を保ちながら、密集した表現に近い粒度にランク付けする。 MARCO, FinanceBench, AILACaseDocs, FinQA with E5 rankers and BM25では, 単語の特徴は語彙的BM25, コーパスレベルのグループ, 問合せ局所的なWeb検索である。 したがって、特徴単位はランクの表現的粒度と検索されたコーパスの構造の両方に従うべきである。

関連論文リスト

• Group-Aware Adaptive Retrieval for Evidence Navigation [10.083876575737222]
  推論集約検索は、表面レベルのマッチングによって関連性を識別できないクエリに対処する。 既存のメソッドは、コーパスグラフ上で文書レベルで候補プールを反復的に拡張する。 我々は,グループレベルの拡張を通じてコーパスグラフを探索するグループアウェア適応検索手法(GAREN)を提案する。
  論文  参考訳（メタデータ） (2026-09-02T06:51:06Z)
• MoDora: Tree-Based Semi-Structured Document Analysis System [62.01015188258797]
  半構造化文書は、様々な不規則なレイアウトで配置された様々なインターリーブされたデータ要素を統合する。 MoDora は半構造化文書解析のための LLM を利用したシステムである。 実験では、MoDoraは5.97%-61.07%の精度でベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-02-26T14:48:49Z)
• Semantic Tree Inference on Text Corpa using a Nested Density Approach together with Large Language Model Embeddings [0.0]
  本研究では,意味的関連テキストの階層木を推定するためのネスト密度クラスタリング手法を提案する。 密集クラスタを拡散度の高いクラスタに埋め込むことで、テキスト間の階層的意味関係をキャプチャするツリー構造を構築する。
  論文  参考訳（メタデータ） (2025-12-29T13:55:23Z)
• SMILE: A Composite Lexical-Semantic Metric for Question-Answering Evaluation [55.26111461168754]
  本稿では,文レベルの意味理解とキーワードレベルの意味理解と簡単なキーワードマッチングを組み合わせた新しいアプローチであるSemantic Metric Integrating Lexical Exactnessを紹介する。 人間の判断と計算学的に軽量であり、語彙的評価と意味的評価のギャップを埋める。
  論文  参考訳（メタデータ） (2025-11-21T17:30:18Z)
• Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
  The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。 SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
  論文  参考訳（メタデータ） (2025-07-14T08:41:53Z)
• Context-Aware Hierarchical Merging for Long Document Summarization [56.96619074316232]
  本論文では,階層的なマージをソース文書からコンテキストと統合する手法を提案する。 法的および物語的領域を表すデータセットの実験結果は、文脈的拡張がゼロショットと階層的な融合ベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-02-03T01:14:31Z)
• Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
  本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。 我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。 推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
  論文  参考訳（メタデータ） (2024-03-01T10:38:07Z)
• CLIP-GCD: Simple Language Guided Generalized Category Discovery [21.778676607030253]
  一般化カテゴリー発見(GCD)は、既知のカテゴリと未知のカテゴリをラベルのないデータで分類するモデルを必要とする。 従来の手法では、自己教師付き事前学習とラベル付きデータの教師付き微調整を併用し、続いて単純なクラスタリング手法を併用していた。 我々は2つの相補的な方法でマルチモーダル(ビジョンと言語)モデルを活用することを提案する。
  論文  参考訳（メタデータ） (2023-05-17T17:55:33Z)
• Learning List-Level Domain-Invariant Representations for Ranking [59.3544317373004]
  リストレベルのアライメント -- より高いレベルのリストでドメイン不変表現を学習する。 利点は2つある: これは、ランク付けに縛られる最初のドメイン適応の一般化をもたらし、その結果、提案法に対する理論的支援を提供する。
  論文  参考訳（メタデータ） (2022-12-21T04:49:55Z)
• COIL: Revisit Exact Lexical Match in Information Retrieval with Contextualized Inverted List [19.212507277554415]
  COILは文脈化された正確な一致検索アーキテクチャであり、意味的語彙マッチングをもたらす。 COILは古典的な語彙レトリバーと最先端の深いLMレトリバーを同等またはより小さいレイテンシで上回る。
  論文  参考訳（メタデータ） (2021-04-15T00:53:54Z)
• Document Network Projection in Pretrained Word Embedding Space [7.455546102930911]
  本稿では,リンクされた文書の集合を事前学習した単語埋め込み空間に投影する新しい手法である正規化線形埋め込み(RLE)を提案する。 我々は相補的な情報を提供するペアワイズ類似性の行列を利用する(例えば、引用グラフ内の2つの文書のネットワーク近接)。 ドキュメント表現は、レコメンデーション、分類、クラスタリングなど、多くの情報検索タスクを解決するのに役立つ。
  論文  参考訳（メタデータ） (2020-01-16T10:16:37Z)

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。