MIMICS: A Large-Scale Data Collection for Search Clarification
Microsoft(微软);Facebook Inc.(脸书公司)
近年来,搜索澄清技术在搜索引擎中的应用引起了人们的广泛关注。它也被认为是会话信息搜索系统的主要组成部分。尽管它的重要性,研究界仍然感到缺乏一个大规模的数据来研究不同方面的搜索澄清。在本文中,我们介绍MIMICS,收集的搜索澄清数据集的真实网络搜索查询抽样必应查询日志。MIMICS中的每个澄清都是由Bing生成算法生成的,由一个澄清问题和最多五个候选答案组成。MIMICS包含三个数据集:(1)MIMICS-Click包括超过400 k个唯一查询、其相关联的澄清窗格以及对应的聚合的用户交互信号(即,点击)。(2)MIMICS-ClickExplore是一个探索数据,包括超过60 k个独特查询的聚合用户交互信号,每个查询都有多个澄清窗格。(3)MIMICS-Manual包含超过2000个独特的真实搜索查询。该数据集中的每个查询澄清对都由至少三个经过训练的注释器手动标记。它包含澄清问题、候选答案集和每个候选答案的着陆结果页面的分级质量标签。MIMICS公开用于研究目的,因此使研究人员能够研究与搜索澄清相关的许多任务,包括澄清生成和选择,澄清的用户参与预测,澄清的点击模型,以及分析用户与搜索澄清的交互。
2020-06-17 cs.CL cs.IR cs.LG
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
Using clarification questions to improve software developers' Web search
内容:最近的研究表明,由软件开发人员编写的Web查询在检索相关结果方面不是很成功,与通用Web查询相比,其表现要差得多。到目前为止,大多数方法都使用特定于软件工程的自动化查询重构技术来解决这个问题,这些技术在没有开发人员参与的情况下工作,但受到原始查询内容的限制。换句话说,这些技术自动地改进了现有的查询,但不能贡献新的、以前未提及的概念。目的:在本文中,我们提出了一种技术来指导软件开发人员手动改善自己的Web搜索查询。我们研究了一个会话的方法,以下不成功的查询与澄清的问题,旨在引起额外的查询条件,从而为开发人员提供了一个明确的维度,查询可以改善。研究方法:我们描述了一组澄清问题,来自语料库的软件开发人员的查询和神经的方法来推荐他们的一个新发布的查询。结果如下:我们的评估表明,推荐技术是准确的,预测一个有效的澄清问题的80%的时间,并优于简单的基线,以及最先进的学习排序(LTR)基线。结论:如实验结果所示,所描述的方法是能够推荐适当的澄清问题,软件开发人员和开发人员的样本,从新手到有经验的专业人士认为是有用的。
2022-07-26 cs.IR cs.SE
Augmenting Ad-Hoc IR Dataset for Interactive Conversational Search
本文提出一种从即席信息检索数据集自动构建大规模对话式信息检索数据集的方法,通过生成查询澄清交互和模拟交互增强MsMarco,实验验证了其可行性和有效性。
2023-11-10 cs.IR
RAC: Retrieval-Augmented Clarification for Faithful Conversational Search
Sorbonne Université, CNRS, ISIR, F-75005 Paris, France(索邦大学、国家科学研究中心、ISIR、法国巴黎);Ecole nationale Supérieure d’Informatique (ESI), Algeria(信息技术国家高等学院(ESI)、阿尔及利亚);AgroParisTech, UMR MIA-PS, Palaiseau, France(农业巴黎技术学院、UMR MIA-PS、法国帕莱索)
RAC通过检索增强的方法生成基于语料库的澄清问题,提高对话搜索的准确性与可靠性。
2026-01-16 cs.CL cs.IR
Clarifying Ambiguities: on the Role of Ambiguity Types in Prompting Methods for Clarification Generation
本文研究信息检索中澄清生成的歧义问题,提出名为AT-CoT的新提示方案,通过让LLM先预测歧义类型再生成澄清来增强推理能力,实验证明其优于多个基线。
2025-04-26 cs.IR
ProductAgent: Benchmarking Conversational Product Search Agent with Asking Clarification Questions
Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);DAMO Academy, Alibaba Group(阿里巴巴集团达摩院);Peng Cheng Laboratory(鹏城实验室)
本文提出ProductAgent对话式产品搜索智能体及PROCLARE评测基准,通过策略性澄清提问与动态检索,在电商模糊查询场景中随对话轮次增加逐步提升检索性能。
2024-07-01 cs.AI cs.CL cs.IR
Sensitivity-Aware Retrieval-Augmented Intent Clarification
ICAI OpenGov Lab x IRLab, University of Amsterdam, The Netherlands(ICAI开放政府实验室 x IRLab,阿姆斯特丹大学,荷兰)
本文提出了一种敏感性感知的检索增强意图澄清方法,旨在保护敏感信息的同时提升对话系统的性能。
2026-03-06 cs.AI cs.IR
Reliable Annotations with Less Effort: Evaluating LLM-Human Collaboration in Search Clarifications
本研究评估LLMs在搜索澄清多维标注任务中的局限性,并提出一种基于置信度阈值和模型间分歧的人在环工作流,在减少45%人工量的同时显著提升标注可靠性。
2025-07-01 cs.HC cs.IR
CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval
UC Berkeley(加州大学伯克利分校)
针对信息检索中模糊查询需澄清的问题,提出CLARINET系统,通过增强LLM条件化检索分布并端到端微调生成澄清问题,在真实书籍检索数据集上显著提升检索成功率。
2024-04-28 cs.AI cs.CL cs.IR
Clarify-Then-Search: A Clarification Benchmark for Deep Search with End-to-End Nugget Restoration
University of Science and Technology of China(中国科学技术大学);Baidu Inc.(百度公司)
该研究提出 Clarify-Then-Search 基准,评估 LLM 生成的澄清问题对深度搜索效用的提升,实验显示 k=1 时澄清优于基线,GPT-5.2 和 ERNIE-4.5-Turbo-128K 分别在 k=1、k=3 时表现最佳。
2026-08-24 cs.AI cs.IR
Corpus-informed Retrieval Augmented Generation of Clarifying Questions
本研究开发基于RAG的语料库知情澄清问题生成模型,发现现有数据集搜索意图与语料库不匹配导致幻觉,提出数据集增强方法对齐真实澄清与语料库,并呼吁构建支持语料库知情澄清的数据。
2024-09-27 cs.IR
Zero-Shot and Efficient Clarification Need Prediction in Conversational Search
Università della Svizzera italiana(瑞士意大利语区大学);University of Amsterdam(阿姆斯特丹大学)
针对对话式搜索中澄清需求预测(CNP)训练数据有限且低效的问题,提出零样本高效框架Zef-CNP,利用大型语言模型生成合成查询训练模型,并设计TIQ-CoT与反事实查询生成策略提升质量,在有效性和效率上均优于现有方法。
2025-02-28 cs.AI cs.CL cs.IR
Ranking Clarifying Questions Based on Predicted User Engagement
为了改善网上搜索结果,澄清问题可以用来阐明用户的信息需求。本研究的目的是预测用户与澄清窗格的相关性的基础上的词汇信息:查询,问题和答案的指示器的参与。随后,预测的用户参与可以用作对澄清窗格进行排名的特征。回归和分类用于预测用户参与度,并与新MIMICS数据集上的朴素启发式基线(例如平均值)进行比较[20]。使用RankNet模型进行消融研究,以确定预测的用户参与度是否提高了澄清窗格排名性能。预测模型能够在原始基线上显着改进,预测用户参与度功能显着改善了NDCG和MRR方面的RankNet结果。这项研究证明了仅基于词汇信息对澄清窗格进行排名的潜力,可以作为未来研究改进的第一个神经基线。
2021-04-01 cs.HC cs.IR
Multi-Turn Multi-Modal Question Clarification for Enhanced Conversational Understanding
Sharif University of Technology(谢里夫理工大学);University of Copenhagen(哥本哈根大学);University of Amsterdam(阿姆斯特丹大学)
本文提出多轮多模态澄清问题 MMCQ 任务,构建 ClariMM 数据集,并通过 BM25 加多模态生成式重排序的 Mario 框架提升复杂对话查询理解。
2025-02-17 cs.AI cs.CL cs.IR
Analysing Mixed Initiatives and Search Strategies during Conversational Search
University of Amsterdam(阿姆斯特丹大学);University of Strathclyde(思克莱德大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Microsoft(微软)
用户和会话搜索代理之间的信息搜索会话由多轮交互组成。当用户发起搜索会话时,理想情况下,CSA有时应该通过提供查询建议或要求查询澄清(即混合主动性)来获得用户的反馈,从而在对话中发挥主导作用。这创造了更吸引人的对话搜索的潜力,但由于大的交互空间加上不同交互的成本和收益之间的权衡,大大增加了建模和评估此类场景的复杂性。在本文中,我们提出了一个对话搜索模型-从我们实例化不同的观察到的对话搜索策略,其中代理elections:(i)反馈第一,或(ii)反馈后。使用49个TREC WebTrack主题,我们进行了一项分析,比较这些不同的策略与不同的混合主动方法的结合程度:(i)查询建议与(ii)查询澄清。我们的分析表明,没有优越或占主导地位的组合,相反,它表明,查询澄清是更好的时候问第一,而查询建议是更好的时候,提出结果后。我们还表明,最好的策略和方法取决于查询和反馈之间的相对成本,初始查询的性能,每个查询的评估数量,以及所需的总收益之间的权衡。虽然这项工作突出了分析CSA所涉及的复杂性和挑战,但它为在批处理/离线设置中评估会话策略和会话搜索代理提供了基础。
2021-09-13 cs.CL cs.HC cs.IR
Product Insights: Analyzing Product Intents in Web Search
网络搜索引擎经常用于访问关于产品的信息。近年来,随着电子商务的日益普及,这种情况有所增加。然而,当涉及到在网络上搜索产品时,对用户搜索什么以及他们的意图的理解有限。在这项工作中,我们研究搜索日志从必应网络搜索引擎来表征用户的意图和研究用户的行为,产品搜索。我们提出了一个分类的产品意图,通过分析产品搜索查询。这是一个具有挑战性的任务,因为只有15%-17%的网络搜索查询是关于产品的。我们使用查询日志特征来训练机器学习分类器,以基于意图对查询进行分类,总体F1得分为78%。我们进一步分析了产品搜索查询的各种特征,如停留时间,成功,流行度和会话特定信息的搜索指标。
2020-05-19 cs.IR
Asking Clarifying Questions Based on Negative Feedback in Conversational Search
当用户有复杂的信息搜索需求时,他们经常需要浏览多个搜索结果页面或重新制定查询。对话式搜索系统可以通过询问问题来澄清用户的搜索意图,从而提高用户满意度。然而,这可能需要大量的努力来回答一系列以“什么/为什么/如何”开头的问题。为了快速识别用户意图并减少交互过程中的工作量,我们提出了一个基于是/否问题的意图澄清任务,其中系统需要在最少的会话回合内询问有关意图的正确问题。在这个任务中,使用关于对话历史中先前问题的负面反馈是至关重要的。为此,我们提出了一个最大边际相关(MMR)的BERT模型(MMR-BERT BERT),利用负反馈的基础上MMR原则的下一个澄清问题的选择。在Qulac数据集上的实验表明,MMR-BERT在意图识别任务上的性能明显优于最先进的基线,并且所选问题在相关的文档检索任务中也取得了显着更好的性能。
2021-07-12 cs.IR
Rerank Before You Reason: Analyzing Reranking Tradeoffs through Effective Token Cost in Deep Search Agents
David R. Cheriton School of Computer Science, University of Waterloo(滑铁卢大学大卫·R·切里顿计算机科学学院)
研究在深度搜索管道中如何分配推理预算,通过引入有效令牌成本(ETC)指标,分析列表式重排在模型规模、推理努力、重排深度与总令牌成本之间的权衡,发现适度重排能以更低成本达到与增加搜索时推理相当的准确性。
2026-06-01 cs.IR
BERT for Target Apps Selection: Analyzing the Diversity and Performance of BERT in Unified Mobile Search
一个统一的移动搜索框架旨在识别能够满足用户信息需求的移动应用程序,并将用户的查询路由到它们。以前的工作表明,移动应用程序的资源描述是稀疏的,因为它们依赖于应用程序以前的查询。这个问题使某些应用程序处于主导地位,并将资源稀缺的应用程序排除在顶级应用程序之外。在这种情况下,我们需要一个超越简单词汇匹配的排名器。因此,我们的目标是研究基于BERT的排名器提高应用选择质量和多样性的能力。为此,我们将基于BERT的排名器的结果与其他信息检索模型进行了比较,重点分析了所选应用程序的多样化。我们的分析表明,基于BERT的排名器选择了更多样化的应用程序,同时通过选择相关的应用程序(如Facebook和联系人)来提高基线结果的质量,以进行更个性化的查询,并减少对主导资源(如Google搜索应用程序)的偏见。
2021-09-13 cs.IR
Analyzing 'Near Me' Services: Potential for Exposure Bias in Location-based Retrieval
智能手机的普及导致了基于位置的搜索和推荐系统的日益普及。像Google和Yelp这样的在线平台允许以附近功能的形式进行基于位置的搜索,以查询附近的酒店或餐馆。此外,像Booking[dot]com、Expedia或Trivago这样的酒店预订平台允许旅行者使用他们想要的位置作为搜索查询或在特定地标附近搜索住宿。由于城市中不同位置的受欢迎程度不同,某些位置可能比其他位置获得更多查询。因此,在这些地点的不同机构所接受的暴露可能与其评级中所捕获的其内在质量非常不同。今天,许多小企业(商店,酒店或餐馆)依靠这种在线平台吸引客户。因此,接受比预期更少的风险可能对企业不利。这可能会对他们的收入产生负面影响,并可能导致经济饥饿甚至关闭。通过收集和分析来自三个流行平台的数据,我们观察到许多顶级酒店和餐馆在质量方面的曝光率较低,这可能对他们不利。根据精英的概念,我们定义和量化了这些平台上基于位置的搜索所导致的这种暴露差异。我们将这种曝光差异主要归因于两种偏见--流行性偏见和位置偏见。我们对多个数据集的实验评估表明,尽管平台在提供基于距离的结果方面做得很好,但个别企业存在暴露差异,需要减少商业可持续性。
2020-11-14 cs.IR
Analyzing Web Search Behavior for Software Engineering Tasks
Web搜索起着不可或缺的作用,在软件工程(SE),以帮助各种任务,如查找文档,调试,安装等,在这项工作中,我们提出了第一个大规模的分析,搜索行为的SE任务使用的搜索查询日志必应,商业网络搜索引擎。首先,我们使用远程监督技术来构建一个机器学习分类器,以提取F1得分为93%的SE搜索查询。然后,我们对一百万个搜索会话进行分析,以了解软件工程相关的查询和会话与其他查询和会话的不同之处。随后,我们提出了一个分类的意图,以确定在软件工程中使用Web搜索的各种情况。最后,我们分析了数百万个SE查询,以了解这些SE搜索意图的分布,搜索指标和趋势。我们的分析表明,SE相关的查询构成了整体网络搜索流量的重要组成部分。此外,我们发现,有六个主要的意图类别,其中网络搜索是用于软件工程。这些技术和见解不仅可以帮助改进现有工具,还可以激发新工具的开发,帮助为SE相关任务查找信息。
2020-08-29 cs.IR cs.SE
Guided Transformer: Leveraging Multiple External Sources for Representation Learning in Conversational Search
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Microsoft(微软)
响应于模糊或分面查询而提出澄清性问题已经被认为是用于各种信息检索系统,特别是具有有限带宽接口的会话式搜索系统的有用技术。分析和生成澄清问题最近已经被研究,但准确利用用户的反应澄清问题已经相对较少探索。在本文中,我们使用一种新的注意力机制来丰富Transformer网络学习到的表示,该机制来自外部信息源,对会话中的每个术语进行加权。我们在一个包括澄清问题的对话搜索场景中评估这个引导式Transformer模型。在我们的实验中,我们使用了两个独立的外部来源,包括检索到的顶级文档和一组不同的可能的查询澄清问题。我们实现了建议的表示学习模型的两个下游任务,在会话搜索:文档检索和下一个澄清问题的选择。我们的实验使用公共数据集进行搜索澄清,并与竞争基线相比表现出显着的改进。
2020-06-13 cs.CL cs.IR cs.LG
Big data searching using words
本文提出大数据搜索中词汇邻域结构的基本概念,引入大数据原初概念,并结合 Jaccard 相似系数检测搜索行为异常,为未来构建大数据拓扑框架奠定基础。
2025-07-15 cs.IR
HotelQuEST: Balancing Quality and Efficiency in Agentic Search
Ben-Gurion University(本·古里安大学);Amazon(亚马逊)
HotelQuEST 是一个用于评估代理搜索系统质量和效率的基准测试,通过包含 214 个酒店查询,揭示了基于 LLM 的代理在准确性上的优势,但成本较高,需进一步优化。
2026-02-27 cs.AI cs.IR
Iterative Resolution of Prompt Ambiguities Using a Progressive Cutting-Search Approach
University of Calabria, Italy(意大利卡拉布里亚大学)
本文提出一种通过结构化澄清问题、备选方案和示例逐步消除提示歧义的迭代方法,在编码、数据分析和创意写作任务上相比一次性方案实现了更高准确率与用户满意度。
2025-07-01 cs.AI cs.CL cs.ET
A Survey of Conversational Search
University of Montreal, Canada(蒙特利尔大学);Renmin University of China(中国人民大学)
本文综述对话式搜索这一新兴范式,涵盖其关键模块、大语言模型的整合、实际应用与评估,并展望未来研究方向。
2025-08-05 cs.CL cs.IR
ORCAS: 18 Million Clicked Query-Document Pairs for Analyzing Search
Microsoft(微软);University of Washington(华盛顿大学);University College London(伦敦大学学院)
Web搜索引擎的用户通过查询和点击来揭示他们的信息需求,使得点击日志成为信息检索的有用资产。然而,点击日志还没有被公开发布用于学术用途,因为它们可能过于暴露个人或商业敏感信息。本文描述了与TREC深度学习Track文档语料库相关的点击数据发布。经过聚合和过滤,包括k-匿名要求,我们发现140万个TREC DL URL有1800万个连接到1000万个不同的查询。我们的这些查询和TREC文档连接的数据集与以前关于查询挖掘和排名的论文中使用的专有数据集大小相似。我们使用点击数据来增强TREC DL训练数据,进行了一些初步实验,通过比较:28倍的查询,49倍的连接到语料库中4.4倍的URL。我们提出了一个描述的数据集的生成过程,特点,使用排名,并建议其他潜在的用途。
2020-08-18 cs.IR cs.LG
Mapping Web Pages by Internet Protocol (IP) addresses: Analyzing Spatial and Temporal Characteristics of Web Search Engine Results
互联网协议(IP)地址经常被几个不同领域的研究人员用作定位Web用户的方法。然而,关于这些位置的准确性有相互竞争的报告,并且在手动比较IP地理定位数据库和网页地理信息方面几乎没有进行过研究。本文将Yahoo搜索引擎中的网页分为十二类,从“博客”、“新闻”到“教育”、“政府”。然后,我们手动将网页内容创建者的邮寄地址或街道地址与给定IP地址的地理定位结果进行比较。我们介绍了一种制图设计方法,通过创建核密度图可视化与特定关键字相关联的网页的信息景观。
2018-10-15 cs.IR cs.NI cs.SI
Search Arena: Analyzing Search-Augmented LLMs
University of California, Berkeley(加州大学伯克利分校)
Search Arena 是一个大规模众包数据集,用于分析增强搜索的LLMs,揭示用户偏好受引用数量影响,并发现不同来源的可靠性差异。
2026-03-02 cs.CL cs.IR cs.LG
Designing Search Tasks for Archive Search
法律档案、企业档案和报纸档案等纵向语料库对不同的用户具有巨大的价值,而时间作为一个重要因素强烈影响着用户在这些档案中的搜索行为。虽然已经开发了许多系统来支持用户的时间信息需求,但问题仍然存在于用户如何利用这些进步来满足他们的需求。分析他们的搜索行为将为我们提供新的见解搜索策略,指导更好的界面和系统设计,并提出新的问题,为进一步的研究。在本文中,我们提出了一组搜索任务,具有不同的复杂性,IIR研究人员可以利用它来研究用户的搜索行为在档案。我们讨论了我们如何创建和完善这些任务的结果,使用时间搜索引擎的试点研究。我们不仅提出了任务描述,但也前和任务后的评估机制,可用于大规模的研究(众包)。我们的初步研究结果表明,这些任务的可行性调查搜索行为的档案。
2018-10-24 cs.IR
Analysing the Effect of Clarifying Questions on Document Ranking in Conversational Search
University of Amsterdam(阿姆斯特丹大学)
最近对会话搜索的研究强调了混合主动性在会话中的重要性。为了实现混合主动性,系统应该能够向用户提出澄清问题。然而,在对文档进行排名时,还没有分析基本排名模型(支持对话式搜索)解决这些澄清问题和答案的能力。为此,我们分析了一个词汇排名模型的会话搜索数据集的性能与澄清的问题。我们调查,定量和定性,澄清问题和用户的答案的不同方面如何影响排名的质量。我们认为,需要有一些细粒度的治疗整个会话轮的澄清,明确的反馈的基础上,这是目前在这种混合的主动设置。根据我们的研究结果,我们引入了一个简单的基于知识的词汇基线,显着优于现有的天真基线。我们的工作旨在提高我们对这一特定任务中存在的挑战的理解,并为设计更合适的会话排名模型提供信息。
2020-08-11 cs.AI cs.CL cs.HC
Technology For Information Engineering (TIE): A New Way of Storing, Retrieving and Analyzing Information
介绍了一种新的数据存储和访问模型和范例(称为TIE)的理论基础。数据元素之间的关联存储在一个矩阵表中,该表通常完全保存在RAM中,以便快速访问。该模型将一个非常直观的“引导”GUI与Matrix结构联系在一起,允许通过数据进行非常简单的复杂搜索。虽然它是一个“关联模型”,因为它将数据关联与数据本身分开存储,但与该模型的其他实现相比,TIE仅引导用户获得可用信息,确保每次搜索总是富有成效。许多不同的应用程序的技术进行审查。
2002-04-16 cs.DB cs.IR
Beyond Topicality: A Conceptual Analysis of Societal Relevance and Its Application to Search Results and AI Responses
Hamburg University of Applied Sciences(汉堡应用科技大学)
研究针对传统网络搜索相关性模型局限提出社会相关性概念,通过分析相关问题及多种相关性组合,探讨优化搜索输出以实现“更大利益”,为开发注重道德和社会利益的价值驱动搜索引擎提供框架。
2026-07-13 cs.IR
Analyzing and Characterizing User Intent in Information-seeking Conversations
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);RMIT University(皇家墨尔本理工大学);Rutgers University(罗格斯大学);Alibaba Group(阿里巴巴集团)
理解和描述人们在信息搜索对话中的交互方式对于开发对话式搜索系统至关重要。在本文中,我们介绍了一个新的数据集,为此目的而设计,并使用它来分析信息寻求对话的用户意图分布,共现,和流模式。MSDialog数据集是一个带标签的对话数据集,其中包含Microsoft产品在线论坛中信息搜索者和提供者之间的问答(QA)交互。该数据集包含超过2,000个多轮QA对话,其中10,000个话语在话语级别上注释了用户意图。注释是通过众包完成的。使用MSDialog,我们发现在信息搜索过程中用户意图中存在一些高度重复的模式。它们可以用于设计会话搜索系统。我们将免费提供我们的数据集,以鼓励探索寻求信息的对话模型。
2018-04-23 cs.CL cs.IR
Analyzing Web Behavior in Indoor Retail Spaces
我们分析了在一年内从市中心购物中心的120,000多名匿名用户收集的1800万行Wi-Fi访问日志。从选择加入系统收集的匿名数据集提供了用户的大致物理位置,以及Web浏览和一些搜索历史。这些数据提供了一个独特的机会来分析人们在物理零售空间的行为和他们的网络行为之间的相互作用,作为他们的信息需求的代理。我们发现:(1)使用Wi-Fi网络映射商场的开放时间;(2)使用者每星期到访商场的次数有一定的周期性;(3)约60%的Wi-Fi登记使用者会主动浏览网页,其中约10%使用Wi-Fi连接网页搜索引擎;(4)人们可能会花费相对恒定的时间浏览Web,而他们的访问持续时间可能会有所不同;(5)人们在重复访问购物中心时倾向于访问相似的购物中心位置和Web内容:(6)物理空间背景对室内用户浏览的Web内容有很小但显著的影响;(7)随行用户倾向于访问来自同一Web域的资源。
2015-06-18 cs.IR cs.SI
Auditing Google's Search Algorithm: Measuring News Diversity Across Brazil, the UK, and the US
Leverhulme Centre for the Future of Intelligence(勒沃休姆未来智能中心);University of Cambridge(剑桥大学)
本研究审计谷歌搜索算法,用HHI和基尼系数分析巴西、英、美22万余条搜索结果,发现新闻来源集中度高、结果略左倾且偏好热门全国性媒体与近期内容,或加剧媒体不平等。
2024-10-31 cs.AI cs.CY cs.IR
Knowledge-based Conversational Search
允许直观和全面访问数字存储信息的对话界面仍然是一个雄心勃勃的目标。在这篇论文中,我们通过分析需求和提出具体的解决方案来自动化一些基本组件和任务,这样的系统应该支持对话搜索系统的设计奠定了基础。我们描述了几个相互依赖的研究,进行了分析更先进的会话搜索系统的设计要求,能够支持复杂的类人对话的互动,并提供访问庞大的知识库。在前两章的研究中,我们重点分析了信息寻求对话的共同结构,通过捕捉话语之间的领域独立的功能关系以及来自共享背景知识的特定领域的隐含语义关系的经常性模式。我们的研究结果表明,问答是有效的信息访问所需的关键组成部分之一,但它不是对话搜索系统应该支持的唯一类型的对话交互。在第三章中,我们提出了一种新的方法,从知识图谱的复杂问答,超越了目前的最先进的结果在功效和效率方面。在最后的研究章节中,我们把我们的注意力转向另一种交互模式,我们称之为会话式浏览,其中,不同于问答,会话系统在对话交互过程中起着更积极的作用。我们表明,这种方法可以帮助用户发现相关的项目是很难检索使用问答由于词汇不匹配的问题。
2019-12-14 cs.CL cs.IR
Analysis of Footnote Chasing and Citation Searching in an Academic Search Engine
在交互式信息检索中,研究人员考虑用户对系统和搜索任务的行为,以便通过分析他们过去的交互来调整搜索结果。本文分析了在一个学术搜索引擎中,用户对Marcia Bates的“脚注搜索”和“引文搜索”等搜索策略的行为。我们进行了初步的分析,他们的频率和使用阶段的社会科学搜索引擎sowiport。此外,我们还探讨了这些策略对整个搜索过程性能的影响。我们可以得出结论,这两个搜索功能的出现在实际检索会话中导致的精度的提高,在使用脚注追逐和17%的引文搜索策略时,16%的正交互作用。
2017-09-23 cs.DL cs.IR
From Prompting to Alignment: A Generative Framework for Query Recommendation
Baidu Inc.(百度公司);National Key Laboratory for Multimedia Information Processing, Peking University(北京大学多媒体信息处理国家重点实验室);Chinese Academy of Sciences(中国科学院)
本文提出通用生成式查询推荐框架GQR,通过统一提示、CTR列表级偏好对齐及共现查询辅助信息,将大语言模型与用户偏好和主动性对齐,以解决冷启动、长尾及通用性不足问题。
2025-07-05 cs.IR cs.LG