論文の概要: R2QRec: Learning Recommendation Queries from Retrieval Feedback

• arxiv url: http://arxiv.org/abs/2610.39984v1
• Date: Thu, 29 Oct 2026 13:09:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:11:42.361242
• Title: R2QRec: Learning Recommendation Queries from Retrieval Feedback
• Title（参考訳）: R2QRec: 検索フィードバックからレコメンデーションクエリを学ぶ
• Abstract要約: 提案するR2QRecは,定型検索システムを用いてクエリの監視とレコメンデーション結果の評価を行う。 R2QRecは、評価された手法の中で、最先端の全体的なレコメンデーション性能を達成する。
• 参考スコア（独自算出の注目度）: 28.297055578092184
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Query-based recommendation separates expressing user needs from locating matching items. Its central learning problem is how to turn item interactions into effective retrieval requests when interaction logs do not annotate queries. We present R2QRec, which uses a fixed retrieval system to construct query supervision and evaluate recommendation outcomes. Retrieval verification first selects generated expressions that recover observed items as supervised fine tuning targets, allowing retrieval behavior to determine the target wording. Policy refinement then evaluates generated query sets by the observed item's rank in their fused recommendation list. Log-rank feedback distinguishes outcomes beyond the recommendation cutoff, while a KL penalty constrains policy change relative to the supervised reference. The stages have distinct roles: verification identifies expressions to imitate, and policy refinement improves the combined ranking produced by newly generated queries. Only the query generator is trained; the retriever and item index remain fixed, and no query annotations or learned reward model are required. Across three public datasets, R2QRec achieves state-of-the-art overall recommendation performance among the evaluated methods. Extensive experiments demonstrate the effectiveness of the proposed design and its generalization across generators and domains.
• Abstract（参考訳）: クエリベースのレコメンデーションは、ユーザニーズを表現するために、マッチするアイテムの配置を分離する。 その中心的な学習問題は、対話ログがクエリをアノテートしない場合、アイテムのインタラクションを効果的な検索要求に変換する方法である。 提案するR2QRecは,定型検索システムを用いてクエリの監視とレコメンデーション結果の評価を行う。 検索検証はまず,観測項目を教師付き微調整対象として復元する生成式を選択する。 ポリシーの洗練は、観測項目のランクによって生成されたクエリセットを、融合されたレコメンデーションリストで評価する。 ログランクフィードバックはレコメンデーションカット以上の結果を区別する一方、KLペナルティは監督された基準に対するポリシー変更を制約する。 検証は模倣する表現を識別し、ポリシーの洗練は新しく生成されたクエリによって生成された組み合わせのランキングを改善する。 クエリジェネレータのみがトレーニングされ、レトリバーとアイテムインデックスは固定され、クエリアノテーションや学習された報酬モデルが不要である。 3つの公開データセットにわたって、R2QRecは評価されたメソッド間で、最先端の全体的なレコメンデーションパフォーマンスを達成する。 大規模な実験は、提案した設計の有効性と、ジェネレータやドメイン間の一般化を実証する。

関連論文リスト

• Autoregressive Retriever: Improving Query Understanding from Item Feedback for Universal Multimodal Retrieval [31.443229594491925]
  AutoRegressive Retriever(ARR)は、情報項目を選択することを学ぶマルチモーダル検索モデルである。 ARRはアイテムの検索とクエリの埋め込みの更新を交互に行い、最終的な埋め込みを使ってコレクションをランク付けする。
  論文  参考訳（メタデータ） (2026-10-08T10:39:17Z)
• OneFeed: A Unified Generative Framework for Feed Content Enhancement and Query Generation [0.0]
  OneFeedはフィードコンテンツ拡張とクエリ生成をモデリングするための統合生成フレームワークである。 OneFeedは異種ユーザ行動シーケンスを共有振る舞いエンコーダでエンコードする。 OneFeedはコンテンツセマンティックIDとクエリ表現のための共有セマンティックスペースを学習する。
  論文  参考訳（メタデータ） (2026-06-06T04:17:09Z)
• IntSR: An Integrated Generative Framework for Search and Recommendation [23.773378364635523]
  IntSRは検索とレコメンデーションのための統合生成フレームワークである。 異なるクエリモーダルを使って、これらの異なるタスクを統合する。 IntSRはAmapのさまざまなシナリオでうまくデプロイされている。
  論文  参考訳（メタデータ） (2025-09-25T13:58:33Z)
• Counterfactual Learning-Driven Representation Disentanglement for Search-Enhanced Recommendation [19.76299850698492]
  本稿では,探索強化型推薦のための対実的学習駆動型表現非絡み合いフレームワークを提案する。 検索クエリを活用して,クエリ非依存の汎用機能のみを分離し,アイテム表現をアンタングル化する。 ClardRecは協調フィルタリングとシーケンシャルなレコメンデーションシナリオの両方で有効である。
  論文  参考訳（メタデータ） (2024-11-14T09:51:50Z)
• Contextualized Evaluations: Judging Language Model Responses to Underspecified Queries [85.81295563405433]
  本稿では,不特定クエリを取り巻くコンテキストを合成的に構築し,評価中にそれを提供するプロトコルを提案する。 その結果,1) 評価から得られた結論の変更,2) モデルペア間のベンチマークランキングの反転,2) スタイルのような表面レベルの基準に基づいて判断を下すナッジ評価,3) 多様なコンテキスト間でのモデル行動に関する新たな洞察の提供,などが確認できた。
  論文  参考訳（メタデータ） (2024-11-11T18:58:38Z)
• Selecting Query-bag as Pseudo Relevance Feedback for Information-seeking Conversations [76.70349332096693]
  情報検索対話システムは電子商取引システムで広く利用されている。 クエリバッグに基づくPseudo Relevance Feedback framework(QB-PRF)を提案する。 関連クエリを備えたクエリバッグを構築し、擬似シグナルとして機能し、情報検索の会話をガイドする。
  論文  参考訳（メタデータ） (2024-03-22T08:10:32Z)
• ReFIT: Relevance Feedback from a Reranker during Inference [109.33278799999582]
  Retrieve-and-Rerankは、ニューラル情報検索の一般的なフレームワークである。 本稿では,リランカを利用してリコールを改善する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-19T15:30:33Z)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)

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。