Simulating Users in Interactive Web Table Retrieval
本研究提出基于Doc2Query的交互式查询重构策略模拟Web表格检索会话,结合用户认知状态,通过多视角评估揭示查询策略与模态对用户有效性的影响。
2023-10-18 cs.IR
ADEPT: An Entropy-Driven Dual-Strategy Agent for Interactive Video Retrieval
提出ADEPT框架,通过熵驱动的决策引擎动态选择ASK或REFINE策略,解决用户意图与查询之间的鸿沟,在交互式视频检索中显著超越现有基线。
2026-05-07 cs.AI cs.IR
The Landscape of Data Reuse in Interactive Information Retrieval: Motivations, Sources, and Evaluation of Reusability
本文通过21次半结构化深度访谈,系统考察了交互式信息检索研究者数据复用的动机、来源发现方式与可复用性评估标准,揭示了该领域数据复用面临的挑战,为促进社区级数据复用文化与标准提供了实证依据。
2024-11-23 cs.DL cs.IR
Exploiting Latent Codes: Interactive Fashion Product Generation, Similar Image Retrieval, and Cross-Category Recommendation using Variational Autoencoders
University of the Philippines, Diliman(菲律宾大学迪利曼分校)
深度学习应用在时尚行业的兴起推动了大规模数据集的管理,以构建产品设计,图像检索和推荐系统的应用程序。本文提出利用变分自编码器(Variational Autoencoder,VAE)来构建一个交互式的时尚产品应用框架,允许用户根据自己的喜好生成具有属性的产品,检索同一产品类别的相似风格,并接收来自其他类别的基于内容的推荐。包含眼镜、鞋类和箱包的时尚产品图像数据集适合于说明该管道适用于蓬勃发展的电子商务行业,从而能够在指定所需产品时与新的数据匹配方法进行直接用户交互,并通过使用VAE并利用其生成的潜在代码来推荐系统。
2020-09-02 cs.CV cs.IR
Balancing Reinforcement Learning Training Experiences in Interactive Information Retrieval
Georgetown University(乔治城大学)
交互式信息检索(IIR)和强化学习(RL)有许多共同点,包括在交互时学习的代理,长期而复杂的目标以及探索和适应的算法。为了成功地将强化学习方法应用于IIR,一个挑战是获得足够的相关标签来训练强化学习代理,这是众所周知的样本效率低下。然而,在针对给定查询注释的文本语料库中,占主导地位的不是相关文档,而是不相关文档。这将导致代理的训练经验非常不平衡,并阻止它学习任何有效的策略。我们的论文通过使用域随机化来合成更多相关文档以进行训练来解决这个问题。我们在Text Retrieval Conference(TREC)Dynamic Domain(DD)2017 Track上的实验结果表明,该方法能够将RL agent的学习效率提高22%,以处理未知情况。
2021-06-09 cs.AI cs.IR
Interactive Spoken Content Retrieval by Deep Reinforcement Learning
Graduate Institute of Communication Engineering, National Taiwan University(国立台湾大学通信工程研究所);Electrical Engineering, National Taiwan University(国立台湾大学电机工程学系)
人机交互对于语音内容检索是非常重要的。对于文本内容检索,用户可以轻松地浏览并选择检索到的项目列表。这对于口语内容检索是不可能的,因为检索到的项目难以在屏幕上显示。此外,由于语音识别的高度不确定性,检索结果可能是非常嘈杂的。克服这些困难的一种方法是通过用户-机器交互。机器可以采取不同的动作与用户进行交互,以获得更好的检索结果,然后再展示给用户。合适的行动取决于检索状态,例如,从用户请求额外的信息,返回一个列表的主题供用户选择等,在我们以前的工作中,一些手工制作的状态估计从目前的检索结果被用来确定适当的行动。在本文中,我们建议使用Deep-Q-Learning技术来确定交互式口语内容检索的机器动作。Deep-Q-Learning绕过了对手工状态的估计,并且即使没有任何人类知识,也可以根据当前的检索状态直接确定最佳操作。与以前的手工制作的状态相比,它可以实现更好的性能。
2016-09-16 cs.CL cs.IR
Demonstrating a Service-Enhanced Retrieval System
本文简要描述了一个由三种模型驱动的检索服务增强的信息检索系统:(1)基于共词分析的查询扩展,(2)Bradfordizing的重排序和(3)作者中心性。不同的服务都倾向于其他的-但仍然相关的-文档,而不是纯粹的基于词频的排名。每个服务都可以交互式地相互组合,以允许迭代检索细化。
2010-09-25 cs.DL cs.IR
GoldenRetriever: Non-Interactive Homomorphic Encrypted Retrieval for Privacy-Preserving RAG
University of Central Florida(中佛罗里达大学);Florida International University(佛罗里达国际大学);University of Florida(佛罗里达大学)
针对现有隐私保护RAG检索方案延迟高、易泄露的问题,提出基于阈值选择的非交互式同态加密检索框架,通过CKKS同态计算与掩码极化方法实现高效安全的检索,性能优于排名式加密方法。
2026-08-03 cs.CL cs.CR cs.IR
Active Learning via Classifier Impact and Greedy Selection for Interactive Image Retrieval
Tel-Aviv University(特拉维夫大学);OriginAI
针对交互式图像检索中开放集、类别不平衡且初始标注极少的二分类问题,提出GAL批量主动学习框架,通过分类器影响采集函数与贪婪批次选择提升检索性能,并给出高斯过程情形的理论保证。
2024-12-03 cs.CV cs.IR
Real-time retrieval for case-based reasoning in interactive multiagent-based simulations
Centre Européen de Réalité Virtuelle(欧洲虚拟现实中心);UEB(西布列塔尼大学);ENIB(法国国立布雷斯特工程师学院);LISyC(信息与系统实验室);CERV(欧洲虚拟现实中心)
本文的目的是介绍基于案例推理的原理和结果,适用于实时的交互式仿真,更准确地说,涉及检索机制。本文首先介绍了交互式基于多智能体的模拟中所涉及的约束。第二部分提出了一个基于案例推理的自主智能体框架。每个代理使用本地情况的案例库,并且从这个基础,它可以选择动作以便与其他自动代理或用户的化身交互。我们用一个专门研究足球动态情况的例子来说明这个框架。然后,我们继续解决的困难,进行这种模拟在实时的,并提出了一个模型的情况下,为案例库。使用通用代理和适当的情况下,与一个专门的召回算法的基础结构,我们提高了检索性能的时间压力相比,经典的CBR技术。我们提出了一些结果有关的性能,这种解决方案。文章最后概述了我们的项目的未来发展。
2011-07-17 cs.AI cs.IR cs.MA
PK-ICR: Persona-Knowledge Interactive Context Retrieval for Grounded Dialogue
针对多上下文扎根对话中联合识别角色设定与知识的问题,提出可同时利用全部对话上下文、基于神经问答检索的低计算量方法PK-ICR,并设计零正例排序测试评估难负例排序性能。
2024-08-11 cs.CL cs.IR
An Interactive Multi-modal Query Answering System with Retrieval-Augmented Large Language Models
本文提出交互式多模态查询应答系统MQA,通过对比学习度量多模态相似度,并结合计算剪枝优化的导航图索引和可插拔框架,实现与大语言模型集成的多模态知识库高效检索与问答。
2024-07-05 cs.DB cs.IR
A Retrieval Mechanism for Multi-versioned Digital Collection Using TAG
随着数字图书馆的飞速发展,数字图书馆的索引和检索问题也在以很高的速度增长。当研究人员搜索早期版本时,只有后面几卷中的几个最近版本可以很快检索到。研究人员在特定的边界内需要较早的版本是不可预测的。为了方便研究人员在任何时候访问任何版本,我们提出了一个VTAG索引技术。我们的实验表明,所提出的检索技术,VTAG,有效地检索任何版本在相当数量的时间比现有的方法。
2014-05-08 cs.DL cs.IR
Eliminating Hallucination in Diffusion-Augmented Interactive Text-to-Image Retrieval
Hunan University(湖南大学);University of Glasgow(格拉斯哥大学)
本文提出DMCL框架,通过引入语义一致性和扩散感知对比目标,有效消除DAI-TIR中的幻觉问题,提升检索性能。
2026-01-28 cs.IR
ADaFuSE: Adaptive Diffusion-generated Image and Text Fusion for Interactive Text-to-Image Retrieval
Hunan University(湖南大学);University of Glasgow(格拉斯哥大学)
ADaFuSE通过引入双分支融合机制,结合自适应门控和语义感知专家混合,提升交互式文本到图像检索的性能,实现更稳健的多模态融合。
2026-03-23 cs.CV cs.IR
Editorial for the Proceedings of the Workshop Knowledge Maps and Information Retrieval (KMIR2014) at Digital Libraries 2014
知识地图是大规模信息空间结构可视化的有力工具,但距离应用于搜索还很远。作为2014年伦敦数字图书馆国际会议的一部分,举办了关于"知识地图和信息检索"的第一次国际讲习班,旨在汇集信息检索和知识地图绘制方面的专家,讨论互动式知识地图在信息搜索方面的潜力。
2015-02-06 cs.DL cs.IR
Visual-Interactive Similarity Search for Complex Objects by Example of Soccer Player Analysis
Technische Universität Darmstadt(达姆施塔特工业大学);St. Pölten University of Applied Sciences(圣帕尔滕应用科学大学);Fraunhofer Institute for Computer Graphics Research(弗劳恩霍夫计算机图形学研究所)
在数据挖掘、信息检索或机器学习中分析复杂数据类型时,相似性的定义是一个关键的先决条件。然而,有意义的定义往往是由数据对象的复杂性,特别是由目标用户组中潜在的主观相似性的不同概念的阻碍。以足球运动员为例,我们提出了一个视觉交互系统,学习用户的心理模型的相似性。在视觉交互界面中,用户能够根据他们主观的相似性概念来标记足球运动员对。我们提出的相似性模型自动学习各自的概念相似性使用主动学习策略。一个可视化的交互式检索技术提供了验证模型,并执行下游检索任务的足球运动员分析。该方法的适用性表现在不同的评估策略,包括使用的验证和交叉验证测试。
2017-03-09 cs.IR cs.LG
From A Glance to "Gotcha": Interactive Facial Image Retrieval with Progressive Relevance Feedback
Carnegie Mellon University(卡内基梅隆大学);Google LLC(谷歌公司);UC Berkeley(加州大学伯克利分校);University of Pennsylvania(宾夕法尼亚大学)
面部图像检索在法医调查中起着重要的作用,其中未经训练的证人试图从大量的图像中识别嫌疑人。然而,由于难以口头和直接地描述人类面部外观,人们自然倾向于通过参考众所周知的现有图像并将面部的特定区域与它们进行比较来描绘,并且每次提供完整的比较也是具有挑战性的。因此,我们提出了一个端到端的框架来检索面部图像与相关反馈逐步提供的证人,使历史信息在多个回合的开发和交互式和迭代的方法来检索的心理形象。由于不需要任何额外的注释,我们的模型可以以一点响应工作为代价来应用。在\texttt{CelebA}上进行了实验,通过百分位数排序来评估性能,在最佳设置下,性能达到99%.由于这一主题仍然很少探索到我们所知道的最好的,我们希望我们的工作可以作为一个垫脚石,为进一步的研究。
2020-07-30 cs.CV cs.IR
Unified Interactive Multimodal Moment Retrieval via Cascaded Embedding-Reranking and Temporal-Aware Score Fusion
本文提出通过级联嵌入-重排序和时间感知得分融合实现统一的多模态时刻检索系统,解决跨模态噪声、时间序列连贯性和模态选择问题。
2025-12-15 cs.AI cs.CV cs.IR
whu-nercms at trecvid2021:instance search task
Wuhan University(武汉大学);National Engineering Research Center for Multimedia Software(国家多媒体软件工程技术研究中心)
本文将简要介绍WHU-NERCMS在TRECVID 2021中的实验方法和结果。今年,我们参与了实例搜索(INS)的自动和交互式任务。对于自动任务,检索目标分为两部分,人检索和动作检索。我们采用了两个阶段的方法,包括人脸检测和人脸识别的人检索和两种动作检测方法,包括三个基于帧的人与物体的交互检测方法和两个基于视频的一般动作检测方法的动作检索。然后,融合人物检索结果和动作检索结果,初始化结果排序列表。此外,我们尝试使用互补的方法,以进一步提高搜索性能。对于交互式任务,我们测试了两种不同的交互策略的融合结果。我们分别为自动和交互式任务提交了4次运行。每次运行的介绍如表1所示。官方评估表明,所提出的战略在自动和互动轨道中均排名第一。
2022-06-17 cs.CV cs.IR cs.MM
Diffusion Augmented Retrieval: A Training-Free Approach to Interactive Text-to-Image Retrieval
Hunan University(湖南大学);University of Glasgow(格拉斯哥大学)
针对交互式文本到图像检索中微调多模态大语言模型成本高且泛化差的问题,提出免训练框架DAR,利用扩散模型和LLM对话细化生成中间表示,在复杂查询上表现更优。
2025-07-10 cs.AI cs.CV cs.IR
Enhancing Flood Impact Analysis using Interactive Retrieval of Social Media Images
Friedrich Schiller University Jena(耶拿弗里德里希·席勒大学);Deutsches GeoForschungsZentrum(德国地球科学研究中心)
由于传感器的粗略分布或传感器故障,对洪水等自然灾害的及时分析通常会受到数据有限的影响。利用社交媒体平台上发布的事件图像中所含的信息,即所谓的“嵌入式地理信息",可以缓解这一限制。为了节省分析师从需要检查所有的图像在线手动发布,我们建议使用基于内容的图像检索的可能性,相关反馈检索事件的相关图像进行分析。为了评估这种方法,我们引入了一个新的3,710幅洪水图像的数据集,由领域专家注释了它们与三项任务(确定淹没区域,淹没深度,水污染)的相关性。我们在该数据集上比较了几种图像特征和相关反馈方法,混合了97,085张干扰图像,并且能够将前100个检索结果的准确率从基线检索的55%提高到5轮反馈后的87%。
2019-08-09 cs.CV cs.IR cs.MM
CLIP-Branches: Interactive Fine-Tuning for Text-Image Retrieval
针对CLIP类文本-图像检索结果精度与完整性不足的问题,提出CLIP-Branches搜索引擎,通过交互式微调让用户迭代标注正负例优化查询,结合预构建高效索引保证响应速度,提升检索相关性与准确性。
2024-06-19 cs.IR
Positive-First Most Ambiguous: A Simple Active Learning Criterion for Interactive Retrieval of Rare Categories
INRIA, LIRMM, Université de Montpellier(法国国家信息与自动化研究所,蒙彼利埃大学计算机科学、机器人技术与微电子实验室);Institut National de l’Audiovisuel(法国国家视听研究所)
本文提出PF-MA准则,用于在低预算和低延迟环境下有效检索罕见类别,通过优先选择边界样本和可能的正例,提升检索效率和用户满意度。
2026-04-08 cs.CV cs.HC cs.IR
XGraphRAG: Interactive Visual Analysis for Graph-based Retrieval-Augmented Generation
State Key Lab of CAD&CG, Zhejiang University(浙江大学计算机辅助设计与图形学国家重点实验室)
针对GraphRAG因处理管线复杂、LLM调用量大导致的可解释性与易用性不足问题,提出可视化分析框架并开发原型系统XGraphRAG,通过交互式可视化辅助识别关键召回、追踪流程、收集失败案例,经验证有效且可用,已开源。
2025-06-10 cs.AI cs.IR
Quoka Atlas of Scholarly Knowledge Production: An Interactive Sensemaking Tool for Exploring the Outputs of Research Institutions
世界各地的研究机构所进行的大量研究是极其多样化的,粗粒度的影响量化措施往往掩盖了这些机构对特定研究领域和主题的个别贡献。我们表明,通过应用一个信息检索模型索引的研究文章,这是面向机构和时间,我们可以开发的工具来排名机构的关键字查询。我们提出了一个互动的地图集,Quoka,旨在使用户能够探索这些排名的地理环境和时间。通过一组用例,我们证明了地图集可以用来执行意义构建任务,以学习和收集有关机构和学术知识生产之间关系的信息。
2021-09-16 cs.DL cs.IR
V-Agent: An Interactive Video Search System Using Vision-Language Models
Korea Advanced Institute of Science and Technology(韩国科学技术院)
V-Agent通过多智能体协作和视觉-语言模型提升视频搜索性能,实现多模态交互与零样本性能。
2026-01-07 cs.AI cs.CV cs.IR
Reading Protocol: Understanding what has been Read in Interactive Information Retrieval Tasks
在交互式信息检索(IIR)实验中,用户在网页上的注视运动通常是通过眼动追踪来记录的。这些数据用于分析凝视行为或识别用户查看的感兴趣区域(AOI)。到目前为止,用于分析眼动追踪数据的工具在支持IIR实验中的注视行为分析方面具有一定的局限性。实验通常由大量不同的访问网页组成。在现有的分析工具中,数据只能在视频或图像中进行分析,每个网页的AOI必须手动指定,这是一个非常耗时的过程。在这项工作中,我们提出了阅读协议的软件,打破眼动追踪数据到文本级别考虑的HTML结构的网页。这对分析师来说有很多好处。首先,它可以很容易地在大规模上识别出受试者在刺激页面上实际观看和阅读的内容。第二,可以使用网页结构来过滤AOI。第三,多个用户的注视数据可以呈现在同一页面上,第四,文本上的注视时间可以导出并在其他工具中进一步处理。我们介绍了软件,它的验证,并从三个现有的IIR实验数据的示例用例。
2019-02-12 cs.HC cs.IR
QueryExplorer: An Interactive Query Generation Assistant for Search and Exploration
本文提出 QueryExplorer,一个支持 HuggingFace 和 PyTerrier 的交互式查询生成、重构与检索界面,通过 LLM 辅助编辑和记录用户反馈,解决按示例查询中的概念漂移问题,支持复杂搜索任务的人机协同实验。
2024-03-23 cs.IR
InteractiveSurvey: An LLM-based Personalized and Interactive Survey Paper Generation System
The Hong Kong Polytechnic University(香港理工大学);Huawei Technologies Co., Ltd(华为技术有限公司)
针对人工撰写综述耗时费力、现有LLM方法缺乏个性化的问题,提出InteractiveSurvey系统,结合在线检索与用户上传参考文献,支持用户通过直观界面定制中间组件,生成结构化多模态综述,在内容质量和时间效率上均优于多数现有方法。
2025-03-31 cs.AI cs.IR
Exploring a Multidimensional Representation of Documents and Queries (extended version)
在信息检索(IR)中,无论是隐式还是显式,查询和文档通常表示为向量。然而,将文档和/或查询视为多维对象可能更有益。我们相信这将允许构建“真正的”交互式IR系统,即,其中互动是完全纳入IR框架。量子物理的概率形式主义将事件和密度表示为多维对象。本文介绍了我们的第一步,建立一个互动的IR框架后,这种形式主义,说明如何检索过程中的第一次互动,当用户类型的查询,可以正式化。我们的框架依赖于一些影响最终文档排序的参数。在本文中,我们通过实验研究这些参数的影响,表明所提出的表示文档和查询的多维对象可以与标准的方法竞争,与额外的前景被应用到交互式检索。
2010-02-18 cs.IR
Making Large Language Models Interactive: A Pioneer Study on Supporting Complex Information-Seeking Tasks with Implicit Constraints
针对现有交互系统难处理带隐含约束的复杂信息寻求请求、大语言模型存在幻觉的问题,提出结合大语言模型理解与强化学习交互的智能体,通过精细优化请求提升检索效果,实验证明其显著优于多个强基线。
2023-10-05 cs.IR
A Subjective Logic Formalisation of the Principle of Polyrepresentation for Information Needs
交互式信息检索是指信息检索的一个分支,它考虑了检索过程相对于广泛的上下文,这可能会影响用户的信息寻求体验。这种情况下的识别和表示一直是多表征原则的对象,多表征是一个理论框架,用于推理在给定的上下文中交互式信息检索产生的不同表示。虽然多元表征原则受到了许多研究者的关注,但基于它的实证研究并不多,其中一个原因可能是它还没有被数学形式化。在本文中,我们提出了一个最新的和灵活的数学形式化的原则,多代表性的信息需求。具体来说,我们采用主观逻辑模型的不同表示的信息需求的信念标记的不确定性程度。我们结合使用不同的逻辑运算符这样的信念,我们讨论这些组合相对于不同的检索方案和情况。一个正式的模型进行了介绍和讨论,与说明性的应用建模的信息需求。
2017-04-05 cs.IR
VersionRAG: Version-Aware Retrieval-Augmented Generation for Evolving Documents
Zurich University of Applied Sciences(苏黎世应用科学大学)
VersionRAG通过层次图结构建模文档版本演化,结合意图分类路由实现版本感知检索,在VersionQA基准上达到90%准确率,显著优于现有RAG方法,并大幅降低索引开销。
2025-10-09 cs.AI cs.CL cs.IR
A Unified Framework for Interactive Visual Graph Matching via Attribute-Structure Synchronization
针对图检索需同时利用结构与节点属性的问题,提出基于CCA属性-结构同步的交互式可视化图匹配统一框架,支持嵌入空间查询、目标指定与结果评估,实验验证其优越性。
2025-07-26 cs.IR
The State-of-the-Art in Lifelog Retrieval: A Review of Progress at the ACM Lifelog Search Challenge Workshop 2022-24
Dublin City University(都柏林城市大学);Joanneum Research(约安妮姆研究所);University of Bergen(卑尔根大学);Lancaster University(兰卡斯特大学);Reykjavik University(雷克雅未克大学);Klagenfurt University(克拉根福大学);University of Science, VNU-HCM(越南国家大学胡志明市分校科学技术大学);Institute of Information Science and Technologies, National Research Council (CNR)(意大利国家研究委员会信息与科学技术研究所)
本文综述了ACM生命周期检索挑战工作坊2022-24年在交互式生命周期检索领域的最新进展,重点分析了嵌入式检索方法、大语言模型整合及多模态界面的创新,并探讨了系统性能与用户界面设计的平衡问题。
2026-01-15 cs.IR cs.MM
Interactive Query Clarification and Refinement via User Simulation
当用户发起搜索会话时,他们的查询通常不清楚或者可能缺乏上下文;这导致低效的文档排序。信息检索团体已经提出了多种方法来添加上下文并检索与用户意图一致的文档。虽然一些工作集中于使用用户的浏览历史的查询消歧,但最近的工作提出通过询问澄清问题或/和提出澄清面板来与用户交互。然而,这些方法计数有限的数量(即,1)与用户的交互或基于日志的交互。在本文中,我们提出并评估了一个完全模拟的查询澄清框架,允许IR系统和用户代理之间的多轮交互。
2022-05-31 cs.IR
Corpus-Level End-to-End Exploration for Interactive Systems
Georgetown University(乔治城大学)
构建人工智能(AI)代理的核心兴趣是让它们与人类交互并帮助人类。一个例子是动态搜索(DS),它模拟了人类与搜索引擎代理合作完成复杂和面向目标的任务的过程。早期使用强化学习(RL)的DS代理只取得了有限的成功,因为(1)它们缺乏对返回哪些文档的直接控制,以及(2)难以从错误的搜索轨迹中恢复。在本文中,我们提出了一种新的语料库级端到端的探索(CE3)方法来解决这些问题。在我们的方法中,整个文本语料库被压缩成一个全球性的低维表示,这使得代理获得访问完整的状态和动作空间,包括未开发的领域。我们还提出了一种新形式的检索函数,其线性近似允许端到端的文档操作。在文本检索会议(TREC)动态域(DD)跟踪上的实验表明,CE3优于最先进的DS系统。
2021-06-09 cs.AI cs.IR
lifeXplore at the Lifelog Search Challenge 2021
本文介绍了参赛团队改进的 lifeXplore 生活日志检索系统,该系统结合日摘要浏览与可组合概念过滤,新增时间查询等功能,用于 2021 年 LSC 赛事中使用。
2025-09-03 cs.IR cs.MM
Relevance Feedback in Conceptual Image Retrieval: A User Evaluation
本文描述的视觉对象信息检索系统实现了一种结合概念层和视觉层的图像检索方法。它使用来自文本词库的术语来表示概念信息,并且还与图像区域,视觉信息一起工作。这些术语通过加权关联与图像区域相关,从而能够执行概念级查询。VOIR使用基于区域的相关反馈来提高每个查询会话中的结果的质量,并发现文本和图像之间的新关联。本文介绍了一个以用户为中心的和面向任务的比较评估的VOIR进行考虑三个不同版本的VOIR:一个完整的版本;一个支持相关反馈只在图像级别;和第三个版本不支持相关反馈在所有。评价结果表明,基于区域的相关反馈的背景下,VOIR原型的有用性。
2008-09-28 cs.IR
LISP -- A Rich Interaction Dataset and Loggable Interactive Search Platform
University of Duisburg-Essen(杜伊斯堡-埃森大学);TH Köln - University of Applied Sciences(科隆应用技术大学);University of Padua(帕多瓦大学)
LISP提供了一个丰富的交互数据集和可记录的交互搜索平台,用于研究人类在交互信息检索中的搜索行为,支持可重复和可重用的研究方法。
2026-01-14 cs.IR
LiveVectorLake: A Real-Time Versioned Knowledge Base Architecture for Streaming Vector Updates and Temporal Retrieval
School of Artificial Intelligence \& Data Science Indian Institute of Technology Jodhpur Jodhpur, India
LiveVectorLake提出一种双层时间知识库架构,实现实时语义搜索与版本历史管理,优化查询性能、更新效率和合规性。
2025-11-24 cs.AI cs.DB cs.IR
Interactive Information Need Prediction with Intent and Context
提出一种结合搜索前上下文与可选部分意图的交互式信息需求预测框架,验证生成式模型与检索模型均可有效预测且适合实际应用。
2025-01-05 cs.IR
State of the Art of User Simulation approaches for conversational information retrieval
会话式信息检索(CIR)是信息检索(IR)的一个新兴领域,它是交互式IR和对话系统的交叉点,以满足开放领域的信息需求。为了优化这些交互并增强用户体验,有必要通过考虑顺序异构用户-系统交互来改进IR模型。强化学习已经成为一种范式,特别适合于优化顺序决策在许多领域,最近出现在IR。然而,通过强化学习对用户训练这些系统是不可行的。一种解决方案是在模拟真实用户行为的用户模拟上训练IR系统。我们的贡献是双重的:1)回顾了信息访问的用户建模和用户模拟方面的文献,2)讨论了CIR环境下用户模拟的不同研究视角
2022-01-10 cs.IR
Dynamic Information Retrieval: Theoretical Framework and Application
像概率排序原则和它最近的交互式信息检索变体的理论框架已经指导了几十年的排名和检索算法的发展,但它们不能帮助我们在动态信息检索中建模问题,这些问题表现出以下三个属性:可观察的用户信号,多阶段检索和整体搜索意图。本文提出了一个新的理论框架,在这些情况下检索。我们推导出一个通用的动态效用函数优化这些类型的任务,考虑到每个阶段的效用和观察用户反馈的概率。我们将我们的框架应用于TREC数据在动态多页搜索场景中的实验,以实际证明其有效性,并讨论其使用,其局限性,并将其与现有框架进行比较。
2016-01-18 cs.IR
KamerRaad: Enhancing Information Retrieval in Belgian National Politics through Hierarchical Summarization and Conversational Interfaces
KamerRaad利用大型语言模型提取并总结比利时议会记录,通过Streamlit前端和开源后端模型支持交互式对话,帮助公民逐步理解政治信息并提升源检索与摘要质量。
2024-04-22 cs.IR
Role of Attentive History Selection in Conversational Information Seeking
像Siri和Alexa这样的智能助理系统的兴起导致了对话搜索的出现,这是一种信息检索(IR)的研究方向,涉及交互式和迭代式的信息搜索用户系统对话。最近发布的OR-QuAC和TCAsT 19数据集将他们的研究重点缩小到会话搜索的检索方面,即使用会话搜索历史从大量集合中获取相关文档(段落)。目前针对这些数据集提出的模型通过在编码之前将最后N个回合附加到当前问题来将历史纳入检索中。我们建议使用另一种历史选择方法,动态地选择和加权历史回合使用注意力机制的问题嵌入。我们的方法的新颖之处在于在开放检索设置中尝试基于软注意力的历史选择方法。
2021-02-07 cs.IR
RAGE Against the Machine: Retrieval-Augmented LLM Explanations
University of Waterloo(滑铁卢大学);York University(约克大学)
本文提出RAGE,一个交互式工具,通过反事实分析和剪枝方法解释检索增强的大语言模型,帮助用户识别影响答案的关键上下文并查看答案来源。
2024-05-11 cs.AI cs.CL cs.IR
Spatially-Enhanced Retrieval-Augmented Generation for Walkability and Urban Discovery
IIT-CNR(意大利国家研究委员会信息技术与机器人研究所);ISTI-CNR(意大利国家研究委员会计算机科学研究所)
WalkRAG通过空间增强的检索增强生成框架,结合信息检索与空间推理,为用户提供步行性城市探索的推荐服务。
2025-12-04 cs.IR
The Infinite Index: Information Retrieval on Generative Text-To-Image Models
Leipzig University(莱比锡大学);Friedrich-Schiller-Universität Jena(耶拿弗里德里希·席勒大学);Bauhaus-Universität Weimar(魏玛包豪斯大学)
条件生成模型(如DALL-E和稳定扩散)基于用户定义的文本(提示)生成图像。寻找和提炼产生所需图像的提示已经成为提示工程的艺术。生成模型不为用户通过提示表达的信息需求提供内置的检索模型。在广泛的文献回顾的光,我们重新构建提示工程的生成模型作为交互式的基于文本的检索上的一种新的“无限索引”。我们首次将这些见解应用于与专家一起进行的游戏设计图像生成案例研究中。最后,我们设想如何主动学习可能有助于指导检索生成的图像。
2023-01-21 cs.CL cs.CV cs.IR
Demo: Soccer Information Retrieval via Natural Queries using SoccerRAG
针对数字体育媒体发展需高效解析多模态数据集的需求,本文演示SoccerRAG框架,其结合RAG与LLMs通过自然查询提取足球信息,支持动态查询、自动验证,还基于Chainlit构建交互式UI以提升用户交互体验。
2024-07-22 cs.IR cs.MM
GraphMind: Interactive Novelty Assessment System for Accelerating Scientific Discovery
Department of Informatics(信息学系)
GraphMind是一个交互式网络工具,利用LLMs和外部API帮助用户评估科学论文的新颖性,提供可验证的上下文见解和结构化视图。
2025-10-17 cs.CL cs.IR
DataScout: Automatic Data Fact Retrieval for Statement Augmentation with an LLM-Based Agent
DataScout是一个基于LLM智能体的交互式系统,通过构建和可视化检索树,自动从多立场检索数据事实,以增强用户陈述的可信度。
2025-04-24 cs.HC cs.IR
WebCPM: Interactive Web Search for Chinese Long-form Question Answering
Tsinghua University(清华大学);ModelBest Inc.(模数最佳公司);Tencent Inc.(腾讯公司);Renmin University of China(中国人民大学)
本文提出首个中文长文本问答数据集WebCPM,基于交互式网络搜索收集5500个问答对,并微调模型模仿人类搜索行为生成答案,在数据集和DuReader上分别有32.5%和47.5%的答案不亚于人工撰写。
2023-05-23 cs.AI cs.CL cs.IR