論文の概要: Content associations with answer selection and engagement in supply chain community question answering
- arxiv url: http://arxiv.org/abs/2610.21807v1
- Date: Thu, 15 Oct 2026 12:56:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.083974
- Title: Content associations with answer selection and engagement in supply chain community question answering
- Title（参考訳）: サプライチェーンコミュニティ質問応答における回答選択とエンゲージメントの関連性
- Abstract要約: 本研究は,どの名詞と意味名詞クラスタが最良回答選択と質問係りに関連付けられているかを問う。
キーワードロジスティクスに基づいて収集された質問や回答階層の大量のコーパスを分析した。
流通、倉庫、センターなどのオペレーション・ロジスティクス・名詞は、ベスト・アンサー・セレクションに関連付けられている。
車、税、神官銭などの広義の公用語やインフラストラクチャー名詞は、より高いエンゲージメントに結びついている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Community question-answering platforms are important ecosystems for knowledge sharing, yet research on what makes an answer best or a question engaging has often focused on either individual lexical features or broad topics. This exploratory study examines both levels in Yahoo! Chiebukuro, asking which nouns and semantic noun clusters are associated with best-answer selection and question engagement. We analyze a large corpus of questions and answer-tier posts collected under the keyword logistics, using an offline machine-translation pipeline with manually validated noun-level fidelity. Best-answer selection is modeled with conditional logistic regression within question threads, controlling for answer length, order, and question-answer noun overlap. Engagement is modeled in two stages: whether a question receives any response and, conditional on receiving one, how many responses it attracts. Operational logistics nouns such as distribution, warehouse, and center are associated with best-answer selection, whereas broader civic and infrastructure nouns such as car, tax, and shinkansen are associated with higher engagement. At the cluster level, most semantic noun clusters are associated with best-answer selection, while the clusters associated with response likelihood and response volume are largely distinct. These findings reveal differentiated content-outcome profiles across answer and question levels and provide a domain-wide descriptive map of engagement and answer selection in logistics-related cQA discourse.
- Abstract（参考訳）: コミュニティの質問応答プラットフォームは知識共有にとって重要なエコシステムである。しかし、答えをベストにするか、質問をエンゲージメントするかの研究は、個々の語彙的特徴や幅広いトピックに重点を置いていることが多い。
この探索的研究は,Yahoo!知恵袋において,どの名詞と意味名詞クラスタが最良回答選択と質問エンゲージメントに関連しているかを問う。
キーワードロジスティクスに基づいて収集された大量の質問や回答層投稿を,手動で検証した名詞レベルの忠実度を持つオフライン機械翻訳パイプラインを用いて分析する。
ベスト・アンサーの選択は、質問スレッド内の条件付きロジスティック回帰を用いてモデル化され、応答長、順序、質問・アンサー名詞の重複を制御する。
エンゲージメントは2つの段階でモデル化される: 質問がどんな反応を受け取ったか、そして1つの反応を受信した条件、それがどれだけの反応を引き付けるか、である。
流通、倉庫、センターなどの業務用物流名詞はベスト・アンサー・セレクションに関連し、自動車、税、神官銭といった幅広い公道・インフラ用名詞はより高いエンゲージメントに関係している。
クラスタレベルでは、ほとんどの意味名詞クラスタはベスト・アンサーの選択に関連付けられ、応答可能性と応答量に関連するクラスタは、大きく異なっている。
これらの結果から,回答レベルと質問レベルの異なるコンテンツアウトカムプロファイルを明らかにし,ロジスティクス関連cQA談話における係り合いと回答選択のドメインワイド記述マップを提供する。
関連論文リスト
- Beyond Static: Related Questions Retrieval Through Conversations in Community Question Answering [8.787758512385475]
本稿では,会話による質問検索モデルTeCQRを提案し,関連する質問をcQAで検索する。
具体的には、タグ付き明確化質問(CQ)を利用して会話を構築する。
さらに,質問とタグのセマンティックな類似性を評価するノイズ耐性モデルを設計し,ノイズフィードバックを効果的に扱えるようにした。
論文 参考訳（メタデータ） (2026-03-09T13:39:58Z) - QAGCF: Graph Collaborative Filtering for Q&A Recommendation [58.21387109664593]
質問と回答(Q&A)プラットフォームは通常、ユーザの知識獲得のニーズを満たすために質問と回答のペアを推奨する。
これにより、ユーザの振る舞いがより複雑になり、Q&Aレコメンデーションの2つの課題が提示される。
グラフニューラルネットワークモデルであるQ&Answer Graph Collaborative Filtering (QAGCF)を導入する。
論文 参考訳（メタデータ） (2024-06-07T10:52:37Z) - Aspect-oriented Consumer Health Answer Summarization [2.298110639419913]
コミュニティ質問回答(Community Question-Answering、CQA)フォーラムは、人々が情報を求める方法、特に医療ニーズに関連するものに革命をもたらした。
単一のクエリに対する応答にはいくつかの回答があるため、特定の健康上の懸念に関連する重要な情報を把握することが難しくなる。
本研究は、この制限に対処するために、側面に基づく健康回答の要約に焦点を当てている。
論文 参考訳（メタデータ） (2024-05-10T07:52:43Z) - Chain-of-Discussion: A Multi-Model Framework for Complex Evidence-Based Question Answering [55.295699268654545]
本稿では,オープンソースのLarge Language Model間の相乗効果を利用する新しいChain-ofDiscussionフレームワークを提案する。
実験の結果,複数のLSM間の議論は回答の質を高める上で重要な役割を担っていることがわかった。
論文 参考訳（メタデータ） (2024-02-26T05:31:34Z) - Improving Question Generation with Multi-level Content Planning [70.37285816596527]
本稿では、与えられたコンテキストと回答から質問を生成する問題に対処し、特に拡張されたコンテキストをまたいだマルチホップ推論を必要とする質問に焦点をあてる。
具体的には、キーフレーズを同時に選択して完全な回答を生成するFA-modelと、生成した全回答を付加的な入力として取り込んだQ-modelの2つのコンポーネントを含む。
論文 参考訳（メタデータ） (2023-10-20T13:57:01Z) - Answering Questions by Meta-Reasoning over Multiple Chains of Thought [53.55653437903948]
MCR(Multi-Chain Reasoning)は,大規模言語モデルに対して,複数の思考連鎖に対するメタ推論を促す手法である。
MCRは、異なる推論連鎖を調べ、それら間で情報を混合し、説明を生成し、答えを予測する際に最も関係のある事実を選択する。
論文 参考訳（メタデータ） (2023-04-25T17:27:37Z) - Multifaceted Improvements for Conversational Open-Domain Question
Answering [54.913313912927045]
対話型オープンドメイン質問回答(MICQA)のための多面的改善フレームワークを提案する。
第一に、提案したKL分割に基づく正規化は、検索と解答のためのより良い質問理解をもたらすことができる。
第二に、追加されたポストランカモジュールは、より関連性の高いパスをトップにプッシュし、2アスペクトの制約で読者に選択できる。
第3に、十分に設計されたカリキュラム学習戦略は、訓練と推論の黄金の通路設定のギャップを効果的に狭め、黄金の通路支援なしで真の答えを見つけることを奨励する。
論文 参考訳（メタデータ） (2022-04-01T07:54:27Z) - Question rewriting? Assessing its importance for conversational question
answering [0.6449761153631166]
本研究では,SCAI(Search-Oriented Conversational AI)共有タスクに特化して設計された対話型質問応答システムを提案する。
特に,質問書き直しモジュールの異なるバリエーションを検討した。
我々のシステムは共有タスクにおいて最高の性能を達成し、システム全体の性能に対する会話コンテキスト表現の重要性を強調した。
論文 参考訳（メタデータ） (2022-01-22T23:31:25Z) - Effective FAQ Retrieval and Question Matching With Unsupervised
Knowledge Injection [10.82418428209551]
質問に対して適切な回答を得るための文脈言語モデルを提案する。
また、ドメイン固有の単語間のトポロジ関連関係を教師なしの方法で活用することについても検討する。
提案手法のバリエーションを,公開可能な中国語FAQデータセット上で評価し,さらに大規模質問マッチングタスクに適用し,コンテキスト化する。
論文 参考訳（メタデータ） (2020-10-27T05:03:34Z) - Review-guided Helpful Answer Identification in E-commerce [38.276241153439955]
製品固有のコミュニティ質問応答プラットフォームは、潜在的な顧客の懸念に対処するのに大いに役立ちます。
このようなプラットフォーム上でユーザが提供する回答は、その品質に大きく違いがあります。
コミュニティからのヘルプフルネスの投票は、回答の全体的な品質を示すことができるが、しばしば欠落している。
論文 参考訳（メタデータ） (2020-03-13T11:34:29Z)
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。