Buchumschlag

Selecting Query-bag as Pseudo Relevance Feedback for Information-seeking Conversations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Xiaoqing, Chen, Xiuying, Gao, Shen, Li, Shuqi, Gao, Xin, Wen, Ji-Rong, Yan, Rui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Multi-Agent Conversational Recommender System
von: Fang, Jiabao, et al.
Veröffentlicht: (2024)

CESRec: Constructing Pseudo Interactions for Sequential Recommendation via Conversational Feedback
von: Wang, Yifan, et al.
Veröffentlicht: (2025)

Aligning Query Representation with Rewritten Query and Relevance Judgments in Conversational Search
von: Mo, Fengran, et al.
Veröffentlicht: (2024)

A Systematic Study of Pseudo-Relevance Feedback with LLMs
von: Jedidi, Nour, et al.
Veröffentlicht: (2026)

Query-oriented Data Augmentation for Session Search
von: Chen, Haonan, et al.
Veröffentlicht: (2024)

Generalized Pseudo-Relevance Feedback
von: Tu, Yiteng, et al.
Veröffentlicht: (2025)

REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain Question Answering
von: Wang, Yuhao, et al.
Veröffentlicht: (2024)

Rethinking the Evaluation for Conversational Recommendation in the Era of Large Language Models
von: Wang, Xiaolei, et al.
Veröffentlicht: (2023)

Neuro-Symbolic Query Compiler
von: Zhang, Yuyao, et al.
Veröffentlicht: (2025)

LLM-Assisted Pseudo-Relevance Feedback
von: Otero, David, et al.
Veröffentlicht: (2026)

ReFIT: Relevance Feedback from a Reranker during Inference
von: Reddy, Revanth Gangi, et al.
Veröffentlicht: (2023)

JurisTCU: A Brazilian Portuguese Information Retrieval Dataset with Query Relevance Judgments
von: Fernandes, Leandro Carísio, et al.
Veröffentlicht: (2025)

How do Large Language Models Understand Relevance? A Mechanistic Interpretability Perspective
von: Liu, Qi, et al.
Veröffentlicht: (2025)

Improving Conversational Recommendation Systems via Counterfactual Data Simulation
von: Wang, Xiaolei, et al.
Veröffentlicht: (2023)

Query-driven Relevant Paragraph Extraction from Legal Judgments
von: Santosh, T. Y. S. S, et al.
Veröffentlicht: (2024)

SpectraQuery: A Hybrid Retrieval-Augmented Conversational Assistant for Battery Science
von: Vangara, Sreya, et al.
Veröffentlicht: (2026)

Search-Based Interaction For Conversation Recommendation via Generative Reward Model Based Simulated User
von: Wang, Xiaolei, et al.
Veröffentlicht: (2025)

ZeQR: Zero-shot Query Reformulation for Conversational Search
von: Yang, Dayu, et al.
Veröffentlicht: (2023)

Counterfactual Query Rewriting to Use Historical Relevance Feedback
von: Keller, Jüri, et al.
Veröffentlicht: (2025)

CHIQ: Contextual History Enhancement for Improving Query Rewriting in Conversational Search
von: Mo, Fengran, et al.
Veröffentlicht: (2024)

ConvGQR: Generative Query Reformulation for Conversational Search
von: Mo, Fengran, et al.
Veröffentlicht: (2023)

Beyond Relevant Documents: A Knowledge-Intensive Approach for Query-Focused Summarization using Large Language Models
von: Zhang, Weijia, et al.
Veröffentlicht: (2024)

CORAL: Benchmarking Multi-turn Conversational Retrieval-Augmentation Generation
von: Cheng, Yiruo, et al.
Veröffentlicht: (2024)

RaFe: Ranking Feedback Improves Query Rewriting for RAG
von: Mao, Shengyu, et al.
Veröffentlicht: (2024)

CWRCzech: 100M Query-Document Czech Click Dataset and Its Application to Web Relevance Ranking
von: Vonášek, Josef, et al.
Veröffentlicht: (2024)

AdaCQR: Enhancing Query Reformulation for Conversational Search via Sparse and Dense Retrieval Alignment
von: Lai, Yilong, et al.
Veröffentlicht: (2024)

Can QPP Choose the Right Query Variant? Evaluating Query Variant Selection for RAG Pipelines
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2026)

Agentic Conversational Search with Contextualized Reasoning via Reinforcement Learning
von: Mo, Fengran, et al.
Veröffentlicht: (2026)

Robust Interaction-Based Relevance Modeling for Online e-Commerce Search
von: Chen, Ben, et al.
Veröffentlicht: (2024)

Citation Recommendation based on Argumentative Zoning of User Queries
von: Ma, Shutian, et al.
Veröffentlicht: (2025)

The Effect of Document Selection on Query-focused Text Analysis
von: Rangreji, Sandesh S, et al.
Veröffentlicht: (2026)

Generative Query Reformulation Using Ensemble Prompting, Document Fusion, and Relevance Feedback
von: Dhole, Kaustubh D., et al.
Veröffentlicht: (2024)

QUIDS: Query Intent Description for Exploratory Search via Dual Space Modeling
von: Wang, Yumeng, et al.
Veröffentlicht: (2024)

Beyond Relevance: Evaluate and Improve Retrievers on Perspective Awareness
von: Zhao, Xinran, et al.
Veröffentlicht: (2024)

UniRetriever: Multi-task Candidates Selection for Various Context-Adaptive Conversational Retrieval
von: Wang, Hongru, et al.
Veröffentlicht: (2024)

TPRF: A Transformer-based Pseudo-Relevance Feedback Model for Efficient and Effective Retrieval
von: Li, Hang, et al.
Veröffentlicht: (2024)

Large Language Model-Powered Query-Driven Event Timeline Summarization in Industrial Search
von: Wang, Mingyue, et al.
Veröffentlicht: (2026)

Query-Document Dense Vectors for LLM Relevance Judgment Bias Analysis
von: Mohtadi, Samaneh, et al.
Veröffentlicht: (2026)

Query as Anchor: Scenario-Adaptive User Representation via Large Language Model
von: Yuan, Jiahao, et al.
Veröffentlicht: (2026)

Exploring the Escalation of Source Bias in User, Data, and Recommender System Feedback Loop
von: Zhou, Yuqi, et al.
Veröffentlicht: (2024)