論文の概要: H2CE: Modeling Geo-Semantic Interactions for POI Reranking with Heterogeneous Two-Stage Cross-Encoders

• arxiv url: http://arxiv.org/abs/2610.11277v1
• Date: Thu, 08 Oct 2026 05:40:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.815934
• Title: H2CE: Modeling Geo-Semantic Interactions for POI Reranking with Heterogeneous Two-Stage Cross-Encoders
• Title（参考訳）: H2CE: 異種二段クロスエンコーダを用いたPOIのジオ・セマンティック相互作用のモデル化
• Abstract要約: ローカル検索におけるPOI(Point-of-Interest)の再ランクは、クエリ条件付きトレードオフをモデル化する必要がある。 遅延バウンドPOIリグレードのための異種二段クロスエンコーダH2CEを提案する。
• 参考スコア（独自算出の注目度）: 50.334243169621175
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point-of-Interest (POI) reranking in local search must model query-conditioned tradeoffs among lexical semantics, geospatial proximity, and numerical quality signals such as rating and review count, while remaining practical under real-time serving constraints. A close POI may only partially satisfy the query intent, while a farther one may offer stronger semantic and quality evidence. We present H2CE, a Heterogeneous Two-stage Cross-Encoder for latency-bounded POI reranking. H2CE represents numerical attributes in two complementary ways: bucketized natural-language descriptors are inserted into the cross-encoder input to support semantic--numeric attention, while exact scalar values are processed by dedicated MLPs to preserve magnitude information. The resulting semantic and numerical embeddings are fused through latent-space aggregation, enabling nonlinear interactions beyond scalar weighted sums. H2CE then applies a two-stage architecture: Stage 1 scores all candidates pointwise for scalable filtering, and Stage 2 performs head-to-head pairwise comparison among the top-$K$ candidates with Copeland aggregation, making fine-grained relative tradeoffs explicit while reducing pairwise cost from O(N^2) to O(N+K(K-1)). On a 5,743-query local search test set, H2CE achieves 67.48% NDCG@5, improving over XGBoost LTR by +22.82% absolute and over a zero-shot LLM reranker by +35.89%. The pairwise stage adds +1.98% NDCG@5 over the pointwise model alone. Ablations confirm the value of numerical features, latent aggregation, top-K pairwise reranking, and aligned training.
• Abstract（参考訳）: 局所探索におけるポイント・オブ・インテリジェンス(POI)は、リアルタイムサービス制約の下では実用的でありながら、語彙的意味論、地理空間的近接性、評価やレビュー数などの数値的品質信号間のクエリ条件付きトレードオフをモデル化しなければならない。 近いPOIはクエリの意図を部分的に満たすだけかもしれないが、遠くにあるPOIはより強力な意味と品質の証拠を提供するかもしれない。 遅延バウンドPOIリグレードのための異種二段クロスエンコーダH2CEを提案する。 H2CEは2つの相補的な特性を表現している: バイナリ化自然言語記述子をクロスエンコーダ入力に挿入し、意味-数値的注意をサポートする一方で、正確なスカラー値は専用のMLPによって処理され、大きさ情報を保存する。 結果として生じる意味的および数値的な埋め込みは、スカラー重み付き和を超えた非線形相互作用を可能にする潜在空間集約によって融合される。 H2CEは2段階のアーキテクチャを適用する: ステージ1はスケーラブルなフィルタリングのために全ての候補をポイントワイズにスコアし、ステージ2はコペランド集約を持つ上位の$K$候補のペアワイズ比較を行い、O(N^2) から O(N+K(K-1)) へのペアワイズコストを減らしながら、きめ細かい相対的トレードオフを明示する。 5,743クエリのローカルサーチセットで、H2CEは67.48%のNDCG@5を達成し、XGBoost LTRを+22.82%、ゼロショットのLLMリランカを+35.89%改善した。 ペアワイズステージはポイントワイズモデルのみに+1.98% NDCG@5を追加する。 アブレーションは、数値的特徴、潜時集約、トップKのペアリランク、アライメントトレーニングの価値を確認する。

関連論文リスト

• SQUARE: Structured Quantum Representation Adapters as Compact Quadratic Feature Maps for Frozen Language Models [50.300302932452006]
  凍結言語モデル(LM)は、下流の再ランク付け、スコアリング、嗜好モデリングのための固定された特徴抽出器として、ますます使われている。 本稿では、ボトルネックベクトルを振幅符号化し、パラメータ化量子回路を適用し、その結果の状態を測定する構造量子表現アダプタを提案する。 各基底確率関数は、ちょうどボトルネック座標における正規化された二次形式であり、追加のPauli$Z$読み出しはそれらの確率の線形結合であることを示す。
  論文  参考訳（メタデータ） (2026-09-29T09:38:29Z)
• Q-DEQ: Discrete Solving and Quantization for Deep Equilibrium Models in Time Series Forecasting under Edge Deployment Coding Constraints [4.095612503951238]
  エッジデプロイメントは、コンパクトなパラメータストレージと低ビット表現を備えた予測モデルを動機付けている。 本稿では、離散最適化問題としてDECの局所的な更新を定式化するQ-DEQを提案する。 5つの時系列予測データセット上でiTransformerのバックボーンを用いたQ-DEQを評価する。
  論文  参考訳（メタデータ） (2026-09-21T03:16:37Z)
• Certified Optimal Measurement Reduction over Quantum Context Landscapes [0.0]
  RANGEを用いて,Fockproxy-co-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy。
  論文  参考訳（メタデータ） (2026-07-18T16:06:52Z)
• eXplaining to Learn (eX2L): Regularization Using Contrastive Visual Explanation Pairs for Distribution Shifts [0.0]
  本稿では,学習中の潜在表現と相反する特徴を関連付けるフレームワークを提案する。 eX2Lは平均精度82.24%+/-3.87%、最悪のグループ精度66.31%+/-8.73%を達成した。
  論文  参考訳（メタデータ） (2026-05-07T14:46:08Z)
• SGAD: Semantic and Geometric-aware Descriptor for Local Feature Matching [16.683203139962153]
  本稿では,領域ベースのマッチングを根本的に再考するSemantic and Geometric-aware Descriptor Network (SGAD)を紹介する。 SGADは、複雑なグラフの最適化なしに直接マッチングを可能にする、高度に識別可能な領域記述子を生成する。 我々は、領域マッチングタスクを分類とランク付けサブタスクに分解する新しい監督戦略により、領域マッチングの性能をさらに改善する。
  論文  参考訳（メタデータ） (2025-08-04T10:46:53Z)
• AffineGlue: Joint Matching and Robust Estimation [74.04609046690913]
  AffineGlue, 連立2視点特徴マッチングとロバストな推定法を提案する。 AffineGlueは、最小限のモデルを推定するために、1対多の対応から潜在的なマッチを選択する。 ガイドマッチングはモデルと一致した一致を見つけるために使用され、1対1の一致の曖昧さに悩まされる。
  論文  参考訳（メタデータ） (2023-07-28T08:05:36Z)
• Efficient k-NN Search with Cross-Encoders using Adaptive Multi-Round CUR Decomposition [77.4863142882136]
  クロスエンコーダモデルは、直接k-nearest neighbor(k-NN)サーチには不当に高価である。 本稿では,現実的に重要なトップk近傍の近似誤差を適応的に,反復的に,効率的に最小化するADACURを提案する。
  論文  参考訳（メタデータ） (2023-05-04T17:01:17Z)
• Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
  Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。 本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-13T02:44:05Z)

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。