論文の概要: FASHION-RQ: Mining Hierarchical Semantic Structure for Automated Evaluation of Fashion Retrieval

• arxiv url: http://arxiv.org/abs/2610.17841v1
• Date: Tue, 13 Oct 2026 06:59:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.54094
• Title: FASHION-RQ: Mining Hierarchical Semantic Structure for Automated Evaluation of Fashion Retrieval
• Title（参考訳）: ファシオンRQ:ファシオン検索の自動評価のための階層構造マイニング
• Abstract要約: ファッション検索の自動評価のための階層的意味構造をマイニングするFashiON-RQを紹介する。 我々の重要な洞察は、Residual Quantized Variational Autoencoders (RQ-VAE) によって学習された階層的な離散表現が、徐々に粒度が増大するにつれて、製品を意味的に一貫性のあるクラスタにまとめることである。 そこで本研究では,クエリレベルの関連指標とともに,関連性,分類,きめ細かな兄弟識別,およびパラフレーズを評価するための4つのタスクを提案する。
• 参考スコア（独自算出の注目度）: 10.006480105138143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluating fashion retrieval systems remains challenging due to the limited availability of benchmarks that capture the fine-grained, open-ended queries encountered in real-world search and recommendation. Existing benchmarks often rely on manual curation, predefined taxonomies, or synthetic prompts, limiting scalability and semantic coverage. We introduce FASHION-RQ: Mining Hierarchical Semantic Structure for Automated Evaluation of Fashion Retrieval, an automated framework that derives user-type queries and relevance sets directly from catalog structure. Our key insight is that hierarchical discrete representations learned by Residual Quantized Variational Autoencoders (RQ-VAE) organize products into semantically coherent clusters at progressively finer granularities. We leverage this structure to construct FASHION-RQBENCH, a scalable benchmark without manual query annotation or predefined taxonomies. We propose four complementary tasks for evaluating ranking, relevance classification, fine-grained sibling discrimination, and paraphrase robustness, alongside query- and attribute-level relevance metrics. Experiments across recent retrieval models demonstrate that FASHION-RQBENCH differentiates model capabilities across query types and attributes. A human study further shows that benchmark queries achieve comparable naturalness and higher intent clarity than real user queries, supporting their validity for real-world evaluation. The code and FASHION-RQBENCH dataset will be publicly released upon acceptance.
• Abstract（参考訳）: ファッション検索システムの評価は、現実世界の検索とレコメンデーションで遭遇する細粒度でオープンなクエリをキャプチャするベンチマークが限られているため、依然として困難である。 既存のベンチマークは、しばしば手動のキュレーション、事前に定義された分類、または合成プロンプトに依存し、スケーラビリティとセマンティックカバレッジを制限する。 本稿では,FashiON-RQ: Mining Hierarchical Semantic Structure for Automated Evaluation of Fashion Retrievalを紹介する。 我々の重要な洞察は、Residual Quantized Variational Autoencoders (RQ-VAE) によって学習された階層的な離散表現が、徐々に粒度の細かい意味的に一貫性のあるクラスタに商品を整理することである。 この構造を利用してFASHION-RQBENCHを構築する。 そこで本稿では,クエリレベルと属性レベルの関連指標とともに,ランク付け,関連分類,きめ細かな兄弟識別,および言い換えロバスト性を評価するための4つの補完的タスクを提案する。 最近の検索モデルに対する実験により、FASHION-RQBENCHはクエリタイプと属性間でモデル機能を区別することを示した。 人間の研究では、ベンチマーククエリは実際のユーザクエリと同等の自然性と高い意図的明快性を実現し、実世界の評価の妥当性をサポートすることが示されている。 コードとFASHION-RQBENCHデータセットは、受理時に公開される。

関連論文リスト

• ORDER: Task-Conditioned Routing for Retrieval-Augmented Generation [3.6028767235872965]
  本稿では,クエリにインデックス付けと検索を併用する問合せ条件付きRAGフレームワークを提案する。 我々は,大規模かつ異種な歴史的アーカイブの枠組みを評価し,クエリのインデックス付けと検索の条件付けが,根本的ベースラインと最先端RAGシステムの両方を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-09-15T11:23:16Z)
• FollowTable: A Benchmark for Instruction-Following Table Retrieval [30.435522584995336]
  Instruction-Following Table Retrieval (IFTR) を定式化した。 本稿では,IFTRの最初の大規模ベンチマークであるFollowTableを紹介する。
  論文  参考訳（メタデータ） (2026-05-01T04:42:13Z)
• A Reference Architecture for Agentic Hybrid Retrieval in Dataset Search [0.6299766708197881]
  アドホックデータセット検索では、未特定の自然言語クエリとスパースで異質なメタデータレコードとをマッチングする必要がある。 本稿では,BM25語彙探索と密埋め込み検索を組み合わせたエージェントハイブリッド検索のための有界・監査可能な参照アーキテクチャを提案する。 ユーザ意図とプロバイダが承認したメタデータとの語彙ミスマッチを低減するために、オフラインメタデータ拡張ステップが導入される。
  論文  参考訳（メタデータ） (2026-03-28T22:56:57Z)
• IF-RewardBench: Benchmarking Judge Models for Instruction-Following Evaluation [85.56193980646981]
  命令追従のための総合的メタ評価ベンチマークであるIF-RewardBenchを提案する。 各命令に対して、複数の応答間の全てのペアの選好を含む選好グラフを構築する。 IF-RewardBenchの実験は、現在の審査モデルに重大な欠陥を呈している。
  論文  参考訳（メタデータ） (2026-03-05T02:21:17Z)
• Reasoning-enhanced Query Understanding through Decomposition and Interpretation [87.56450566014625]
  ReDIは、分解と解釈によるクエリ理解のための推論強化アプローチである。 我々は,大規模検索エンジンから実世界の複雑なクエリの大規模データセットをコンパイルした。 BRIGHT と BEIR の実験により、ReDI はスパースと密度の高い検索パラダイムの両方において、強いベースラインを一貫して超えることを示した。
  論文  参考訳（メタデータ） (2025-09-08T10:58:42Z)
• Multimodal Information Retrieval for Open World with Edit Distance Weak Supervision [0.0]
  FemmIRは、例えば類似性ラベルなしでマルチモーダルクエリで表現された情報に関連のある結果を検索するフレームワークである。 また,MuconoLの欠失症例に対してFemmIRを経験的に評価した。
  論文  参考訳（メタデータ） (2025-06-25T00:25:08Z)
• Tree-Based Text Retrieval via Hierarchical Clustering in RAGFrameworks: Application on Taiwanese Regulations [0.0]
  階層的なクラスタリングに基づく検索手法を提案する。 本手法は,意味的関連コンテンツを適応的に選択しながら,システム応答の精度と関連性を維持する。 我々のフレームワークは実装が簡単で、既存のRAGパイプラインと簡単に統合できます。
  論文  参考訳（メタデータ） (2025-06-16T15:34:29Z)
• Effective Instruction Parsing Plugin for Complex Logical Query Answering on Knowledge Graphs [51.33342412699939]
  知識グラフクエリ埋め込み(KGQE)は、不完全なKGに対する複雑な推論のために、低次元KG空間に一階論理(FOL)クエリを埋め込むことを目的としている。 近年の研究では、FOLクエリの論理的セマンティクスをよりよく捉えるために、さまざまな外部情報(エンティティタイプや関係コンテキストなど)を統合している。 コードのようなクエリ命令から遅延クエリパターンをキャプチャする効果的なクエリ命令解析(QIPP)を提案する。
  論文  参考訳（メタデータ） (2024-10-27T03:18:52Z)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)

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。