論文の概要: Conditional information Retrieval for Longitudinal Survey Harmonisation

• arxiv url: http://arxiv.org/abs/2610.26173v1
• Date: Mon, 19 Oct 2026 11:03:31 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:02:20.170799
• Title: Conditional information Retrieval for Longitudinal Survey Harmonisation
• Title（参考訳）: 縦断調査調和のための条件情報検索
• Abstract要約: 2つの質問は語彙的に似ているが、完全に異なる社会学的サブ概念、あるいは語彙的に異なるが概念的に等価である。 本稿では,タスクを概念抽出と概念認識検索の2つのステップに分解することで,この問題に対処する条件情報検索フレームワークを提案する。 我々のフレームワークはMAPとリコールの両方でベースラインを2～3ポイント上回っている。
• 参考スコア（独自算出の注目度）: 3.690597760252215
• License:
• Abstract: Identifying conceptually equivalent questions across different surveys is a challenging information retrieval task where surface-level textual similarity is insufficient. Two questions may be lexically similar yet assess entirely different sociological sub-concepts, or lexically different yet conceptually equivalent. We introduce a conditional information retrieval framework that addresses this by decomposing the task into two steps: concept extraction, which identifies the underlying sociological concept of a survey question using a fine-tuned generative model, and concept-aware retrieval, which augments question representations with the extracted concept as an explicit conditioning signal for finer-grained alignment. To reflect the realistic data scarcity conditions of specialised social science annotation, we use CLOSER as a case study. Our framework consistently outperforms baselines by 2-3 points in both MAP and Recall. We further analyse fine-tuning strategies including SFT, DPO, and dynamic DPO, finding that SFT delivers the most stable gains while dynamic DPO interacts differently with instruction-tuned versus distilled reasoning backbones. Finally, we demonstrate that a model fine-tuned on a general social science thesaurus (ELSST) transfers robustly to task-specific survey data, offering a practical solution under data scarcity.
• Abstract（参考訳）: 概念的に等価な質問を異なる調査で識別することは,表層テキストの類似性が不十分な難易度情報検索課題である。 2つの質問は語彙的に似ているが、完全に異なる社会学的サブ概念、あるいは語彙的に異なるが概念的に等価である。 本稿では,この課題を2つのステップに分解して解決する条件情報検索フレームワークを提案する。概念抽出は,微調整された生成モデルを用いて調査質問の社会学的概念を識別するものであり,概念認識検索は,抽出された概念と質問表現を,よりきめ細かなアライメントのための明示的条件付け信号として拡張する。 専門社会科学注釈の現実的なデータ不足状況を反映するために,CLOSERを事例研究として用いた。 我々のフレームワークはMAPとリコールの両方でベースラインを2～3ポイント上回っている。 さらに, SFT, DPO, 動的DPOなどの微調整戦略を分析し, SFTが最も安定したゲインを提供するのに対して, 動的DPOは命令調整と蒸留された推論バックボーンと異なる相互作用を示すことを示した。 最後に、一般的な社会科学シソーラス(ELSST)に基づいて微調整されたモデルが、タスク固有の調査データに頑健に移行し、データ不足下で実用的なソリューションを提供することを示した。

関連論文リスト

• Discrete Causal Representations from Heterogeneous Domains: A Bayesian Approach with Social Survey Applications [9.512981050368653]
  因果表現学習は、観測された低レベルの測定結果をもたらす高レベルの潜在因果概念を推論することを目的としている。 マルチ環境データから因果表現を学習するためのベイズ的手法を提案する。 次に、連続モンテカルロサンプリングに基づく推論スキームを考案し、結果の多重モード後部を近似する。
  論文  参考訳（メタデータ） (2026-06-04T15:25:51Z)
• Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning [137.33138614095435]
  Retrieval-augmented Generation (RAG) は、大規模言語モデルにおける幻覚の緩和に有効であることが証明されている。 近年、検索に基づく対話をRAGに組み込んで、リアルタイム検索による反復推論を可能にしている。 提案するBi-RARは,各中間ステップを前方方向と後方方向の両方で共同で評価する,新たな検索拡張推論フレームワークである。
  論文  参考訳（メタデータ） (2025-11-12T08:29:39Z)
• Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce [61.03081096959132]
  そこで本稿では,複雑な状況下でのテキストバウンダリングを改善するための,文脈対応推論強化型生成検索フレームワークを提案する。 提案手法は,強力なベースラインに比べて優れた性能を示し,検索に基づく推薦の有効性を検証した。
  論文  参考訳（メタデータ） (2025-10-19T16:46:11Z)
• Are Information Retrieval Approaches Good at Harmonising Longitudinal Survey Questions in Social Science? [2.769064123193329]
  本稿では,質問と回答の選択肢にまたがる概念等価性を識別する新しい情報検索タスクを提案する。 本稿では1946-2020年の調査データセットにおける教師なしアプローチについて検討する。 我々は、IR特化ニューラルモデルが、他のアプローチと相容れない性能で最高の総合的な性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-04-29T12:00:33Z)
• Indeterminacy in Affective Computing: Considering Meaning and Context in Data Collection Practices [2.9709595802045725]
  人間の影響の研究は、そのような意味の基本となる複雑さの形式を示している。 我々は、AAPの不確定性に適切に対処するための重要なステップは、データ収集のプラクティスの開発であると主張している。
  論文  参考訳（メタデータ） (2025-02-13T13:08:42Z)
• A Review of Bayesian Uncertainty Quantification in Deep Probabilistic Image Segmentation [0.0]
  本稿では,不確実性モデリングにおける基礎概念の統合とコンテキスト化について述べる。 空間集合における強い仮定や標準ベンチマークの欠如といった課題を特定する。 深層学習における不確実性認識のセグメンテーションを進めるための方向性を提案する。
  論文  参考訳（メタデータ） (2024-11-25T13:26:09Z)
• Dual Semantic Knowledge Composed Multimodal Dialog Systems [114.52730430047589]
  本稿では,MDS-S2という新しいマルチモーダルタスク指向対話システムを提案する。 コンテキスト関連属性と関係知識を知識ベースから取得する。 また、合成された応答表現から意味情報を抽出するために、潜在クエリ変数のセットを考案する。
  論文  参考訳（メタデータ） (2023-05-17T06:33:26Z)
• Variational Distillation for Multi-View Learning [104.17551354374821]
  我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。 厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
  論文  参考訳（メタデータ） (2022-06-20T03:09:46Z)
• COSMO: Conditional SEQ2SEQ-based Mixture Model for Zero-Shot Commonsense Question Answering [50.65816570279115]
  社会的文脈の暗黙的な原因と影響の特定は、機械が常識的推論を実行できるようにする駆動能力である。 この領域における現在のアプローチには、目に見えない状況に直面して常識推論を行う能力がない。 本稿では,動的かつ多様なコンテンツ生成機能を備えた条件付きSEQ2SEQベースの混合モデル(COSMO)を提案する。
  論文  参考訳（メタデータ） (2020-11-02T07:08:19Z)

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。