論文の概要: LLM-Based Re-Ranking for Real Estate Search

• arxiv url: http://arxiv.org/abs/2607.14835v1
• Date: Thu, 16 Jul 2026 10:58:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:33.080196
• Title: LLM-Based Re-Ranking for Real Estate Search
• Title（参考訳）: LLMによる不動産検索のためのリランキング
• Authors: Nkateko Ntimane, Rafel Guedes, Tiago Cunha, Pedro Nogueira,
• Abstract要約: クイントアンダル・グループ(QuintoAndar Group)は、ラテンアメリカにおける賃貸と販売の両方で主要な住宅市場を運営している。 本稿では,対話型レコメンデーションシステムを強化したLarge Language Model (LLM)ベースのリランカを提案する。 対話型リアルタイム検索のための大規模オフライン評価データセットを構築した。
• 参考スコア（独自算出の注目度）: 0.02333246928962178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: QuintoAndar Group operates the leading housing marketplace in Latin America for both rentals and sales. The platform replaces traditionally paper-heavy workflows with a fully digital experience, making housing transactions faster and more accessible to tenants, buyers, and landlords in the region. Finding the ideal home in such a vast catalog is inherently difficult. At the same time, the widespread adoption of conversational assistants is reshaping user expectations: people increasingly want to express their needs through open, multi-turn dialog rather than rigid filter menus and faceted search. This shift is particularly pronounced in housing, where intent is multi-dimensional, context-dependent, and rarely reducible to a small set of structured constraints. To meet these expectations, we propose a Large Language Model (LLM) based re-ranker that augments a conversational recommendation system by reordering retrieved candidates according to the nuanced, context-rich intent expressed across the user's conversation. We additionally construct a large-scale offline evaluation dataset for conversational real-estate search, containing 960,000 query-item pairs constructed from both synthetic and production queries and annotated using an LLM-as-a-Judge framework with human validation. We validate our approach both offline, on this proprietary dataset, and online, through a production A/B test. Both evaluations show consistent improvements in ranking quality, including a statistically significant increase in production of +5.3% in click-through rate and +4.8% in scheduled visits, demonstrating the value of integrating conversational context into housing recommendations.
• Abstract（参考訳）: クイントアンダル・グループ(QuintoAndar Group)は、ラテンアメリカにおける賃貸と販売の両方で主要な住宅市場を運営している。 このプラットフォームは、従来の紙の重いワークフローを完全にデジタルな体験に置き換え、住宅の取引をより速く、地域のテナントや買い手、地主にとってアクセスしやすいものにしている。 このような広大なカタログで理想的な家を見つけることは本質的に困難である。 それと同時に、会話アシスタントの普及により、ユーザーの期待が変わりつつある。人々は、厳格なフィルターメニューや顔付き検索よりも、オープンなマルチターンダイアログを通じて、自分たちのニーズを表現したいと願っている。 このシフトは特に、意図が多次元であり、文脈に依存しており、少数の構造的制約に還元されることが滅多にない住宅において顕著である。 これらの期待に応えるために,検索した候補をユーザの会話全体にわたって表現されたニュアンスでコンテキストに富んだ意図に従って並べ替えることにより,会話レコメンデーションシステムを強化するLarge Language Model (LLM) ベースのリランカを提案する。 また,対話型リアルタイム検索のための大規模オフライン評価データセットを構築し,合成クエリと実運用クエリの両方から構築された960,000のクエリ-itemペアと,人間の検証によるLLM-as-a-Judgeフレームワークを用いて注釈付けを行った。 当社のアプローチはオフラインでも、このプロプライエタリなデータセットでも、実運用A/Bテストを通じて、オンラインでも検証しています。 どちらの評価も、クリックスルー率の+5.3%、定期訪問の+4.8%という統計的に顕著な増加を含む、ランキング品質の一貫性のある改善を示し、会話コンテキストを住宅レコメンデーションに統合する価値を示している。

関連論文リスト

• LERA: LLM-Enhanced RAG for Ad Auction in Generative Chatbots [38.35931897144688]
  大規模な言語モデル(LLM)ベースのチャットボットのための2段階の検索列生成オークションフレームワークであるLERAを提案する。 最初の段階では、埋め込みベースの粗いフィルタリングが少数の候補広告主を事前選択する。 第2段階では、LSM自体が慎重に設計されたプロンプトでクエリされ、候補に対するロジットが生成され、洗練された有機レバレンススコアとして機能する。
  論文  参考訳（メタデータ） (2026-05-15T15:39:30Z)
• Aligning Large Language Models with Searcher Preferences [26.974618053554394]
  オープンな生成検索のための最初の大規模言語モデル(LLM)であるSearchLLMを紹介する。 ボトムライン制約を分離する階層型多次元報酬システムの設計を行う。 オフライン評価とオンラインA/Bテストでは、生成品質とユーザエンゲージメントが改善されている。
  論文  参考訳（メタデータ） (2026-03-11T06:44:30Z)
• REAL: Benchmarking Abilities of Large Language Models for Housing Transactions and Services [1.7336930524935108]
  本稿では,不動産業者の大規模言語モデル評価(REAL)について,住宅取引・サービス分野におけるLCMの能力を評価するための評価スイートとして紹介する。 REALは、メモリ、理解、推論、幻覚の4つのトピックにわたる5,316の高品質な評価項目で構成されている。 実験結果から, LLMには不動産分野に適用すべき改善の余地がまだ残っていることが示唆された。
  論文  参考訳（メタデータ） (2025-07-04T11:05:44Z)
• A Personalized Conversational Benchmark: Towards Simulating Personalized Conversations [112.81207927088117]
  PersonaConvBenchは、大規模言語モデル(LLM)とのマルチターン会話におけるパーソナライズされた推論と生成を評価するためのベンチマークである。 我々は,複数の商用およびオープンソース LLM を統一的なプロンプト設定でベンチマークし,パーソナライズされた履歴を組み込むことで大幅な性能向上が得られることを観察した。
  論文  参考訳（メタデータ） (2025-05-20T09:13:22Z)
• Effective and Efficient Conversation Retrieval for Dialogue State Tracking with Implicit Text Summaries [48.243879779374836]
  LLM (Large Language Models) を用いたDST (Few-shot dialogue state tracking) では,会話検索を効果的かつ効率的に行うことで,学習の迅速化を図っている。 従来は検索キーやクエリとして生の対話コンテキストを使用していた。 会話のテキスト要約に基づいて会話検索を行う。 LLMに基づく会話要約器がクエリとキー生成に採用され、効果的な内部製品探索が可能となる。
  論文  参考訳（メタデータ） (2024-02-20T14:31:17Z)
• Cue-CoT: Chain-of-thought Prompting for Responding to In-depth Dialogue Questions with LLMs [59.74002011562726]
  我々は、よりパーソナライズされ魅力的な応答を提供するために、新しい言語的キューに基づく思考の連鎖(textitCue-CoT)を提案する。 中国語と英語の6つのデータセットからなる詳細な対話質問を用いたベンチマークを構築した。 実験により,提案手法は,すべてのデータセットにおいて,テクステルパーフルネスとテクスチタアクセプタビリティの両方の観点から,標準的プロンプト法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:27:43Z)
• You can't pick your neighbors, or can you? When and how to rely on retrieval in the $k$NN-LM [65.74934004876914]
  Retrieval-enhanced Language Model (LM) は、大規模な外部データストアから取得したテキストにそれらの予測を条件付ける。 そのようなアプローチの1つ、$k$NN-LMは、既存のLMの予測を$k$-nearest近くのモデルの出力と補間する。 本研究では,2つの英語モデルデータセットに対するアプローチの有効性を実証的に測定する。
  論文  参考訳（メタデータ） (2022-10-28T02:57:40Z)

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。