論文の概要: Domain-specific information retrieval

• arxiv url: http://arxiv.org/abs/2611.08228v1
• Date: Thu, 05 Nov 2026 16:12:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.571575
• Title: Domain-specific information retrieval
• Title（参考訳）: ドメイン固有の情報検索
• Abstract要約: Information Retrieval (IR) はアドホックなウェブ検索以上のものだ。 情報探索活動の大部分は特定のドメインで行われる。 ドメイン固有IRの方法論的進歩の多くは、他のドメインに転送可能であることを示す。
• 参考スコア（独自算出の注目度）: 14.379761445519302
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Information Retrieval (IR) is much more than ad hoc web search: a large portion of the information seeking activities takes place in specific domains, often addressing work-related tasks. Examples are lawyers finding relevant prior cases for a legal case and academic researchers studying the background material for a paper. In Chapter 2 we outline the most common domain-specific tasks, datasets and applications. Domain-specific IR has a number of challenges that make set it apart from simple web search tasks: they often deal with long documents, long queries and long sessions with specific user needs. We discuss these in Chapter 3. We also address issues related to bias and fairness of models. In Chapter 4, we describe the models and methods developed for domain-specific tasks and data, addressing the specific challenges, including user aspects related to domain-specific IR tasks, dealing with queries, user models, and user interactions. We show that many of the methodological advances in domain-specific IR are transferable to other domains and even to open-domain web search. We conclude with the main takeaways and propose research directions for the near future.
• Abstract（参考訳）: 情報検索(Information Retrieval, IR)はアドホックなWeb検索以上のものです。 例えば、弁護士が訴訟の関連事例を見つける場合や、学術研究者が論文の背景資料を研究する場合などである。 第2章では、最も一般的なドメイン固有のタスク、データセット、アプリケーションの概要を説明します。 ドメイン固有のIRには、単純なWeb検索タスクとは切り離す多くの課題がある。 第3章で論じる。 また、モデルのバイアスや公平性に関する問題にも対処する。 第4章では、ドメイン固有のタスクやデータのために開発されたモデルと方法を記述し、ドメイン固有のIRタスクに関連するユーザ側面、クエリ、ユーザモデル、ユーザインタラクションなど、特定の課題に対処する。 ドメイン固有のIRの方法論的進歩の多くは、他のドメインやオープンドメインのWebサーチにも転送可能であることを示す。 本論では,今後の研究の方向性について概説する。

関連論文リスト

• Unearthing Large Scale Domain-Specific Knowledge from Public Corpora [103.0865116794534]
  データ収集パイプラインに大規模なモデルを導入し、ドメイン固有の情報の生成をガイドします。 このアプローチをRetrieve-from-CCと呼ぶ。 ドメイン固有の知識に関するデータを収集するだけでなく、パブリックコーパスから潜在的推論手順を含むデータをマイニングする。
  論文  参考訳（メタデータ） (2024-01-26T03:38:23Z)
• POND: Multi-Source Time Series Domain Adaptation with Information-Aware Prompt Tuning [40.197245493051526]
  時系列ドメイン適応は、多様なアプリケーションにおいて、重要かつ複雑な課題である。 POND(PrOmpt-based domaiN Discrimination)は,時系列ドメイン適応にプロンプトを利用する最初のフレームワークである。 提案するPONDモデルは,F1スコア上での最先端比較手法を最大66%向上させる。
  論文  参考訳（メタデータ） (2023-12-19T15:57:37Z)
• Building Interpretable and Reliable Open Information Retriever for New Domains Overnight [67.03842581848299]
  情報検索は、オープンドメイン質問応答(QA)など、多くのダウンストリームタスクにとって重要な要素である。 本稿では、エンティティ/イベントリンクモデルとクエリ分解モデルを用いて、クエリの異なる情報単位により正確にフォーカスする情報検索パイプラインを提案する。 より解釈可能で信頼性が高いが,提案したパイプラインは,5つのIRおよびQAベンチマークにおける通過カバレッジと記述精度を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-09T07:47:17Z)
• Explainable Predictive Maintenance [6.274171448205146]
  本稿では,既存のXAI手法と産業応用における説明の具体的要件とのギャップを浮き彫りにする。 本稿では,予測保守作業の概要と,それに対応する説明の必要性と目的を強調する。 次に、文献で一般的に使われているXAIテクニックをリストアップし、記述し、PdMタスクに適合性について論じる。
  論文  参考訳（メタデータ） (2023-06-08T11:42:47Z)
• Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。 広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。 しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
  論文  参考訳（メタデータ） (2023-05-30T03:00:30Z)

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。