Feb, 2022

语音助手系统中的查询扩展和实体加权查询重构检索

PDF
TL;DR本文提出了一种新的查询扩展和实体加权方法，利用实体目录中的实体关系改进查询重构性能，实验发现该方法相比不使用查询扩展和加权的基准模型，特别是在前 10 个结果中，精度有 6% 的提高，在使用查询扩展和加权的其他基准模型中，精度有 5% 以上的提高。
query reformulationvoice assistantsentity weightingquery expansionneural retrieval model
发现论文，激发创造
  • 利用维基百科和 WordNet 进行查询扩展的新方法

    使用维基百科和 WordNet 作为数据源，本研究提出了一种新的查询扩展技术，并采用新的加权方案，获得 24% 的 MAP 分数和 48% 的 GMAP 分数提升。

    Jan, 2019

  • 信息检索的查询扩展技术：一项调查

    本文探讨了从 1960 年至 2017 年信息检索中的查询扩展技术，包括核心技术、数据源、加权和排名方法、用户参与以及应用，揭示了其相似性和差异性。

    Aug, 2017

  • 实体驱动的答案集扩展用于问答评估

    基于实体驱动的答案集扩展方法，通过扩展黄金答案集以包括多样性的表述形式，其表述形式常遵循特定模式，实验结果表明，该方法在传统评估方法基础上表现出色，并且具有较高的可解释性和减少环境危害的优点。

    Apr, 2024

  • 网络搜索中基于事件的查询扩展

    本文提出了一种新的查询扩展系统 Event-Centric Query Expansion（EQE），通过从大量的潜在事件中挖掘最佳扩展，快速准确地提高搜索质量，该系统已被部署在腾讯 QQ 浏览器搜索中，服务于数亿用户。

    May, 2023

  • 利用词嵌入的深度神经网络进行查询扩展

    该论文介绍了一种基于词嵌入的 query expansion 方法，使用人工神经网络分类器来预测 query expansion 词汇的有用性，实验结果表明该方法显著提高了检索性能。

    Nov, 2018

  • 弹性权重去除用于忠实且抽象的对话生成

    提出了一种称为弹性权重剔除（EWR）的方法，该方法通过测量权重的不确定性来约束预先训练的模型参数，使得对话系统生成关于相关文件的信息时，不会产生错误或不可验证的信息。该方法使用 Flan-T5 作为主干语言模型，通过自动和人工评估表明，它在提高忠诚度方面具有系统性的优势。同时该方法还可以同时限制幻觉和提取响应，以防止浅层的复制和粘贴文档范围的情况。

    Mar, 2023

  • 利用词嵌入进行自动查询扩展

    本文提出了一种利用分布式神经语言模型 word2vec 的自动查询扩展（AQE）框架，通过 K 最近邻方法获得查询相关术语，并在标准 TREC ad-hoc 数据上获得显着提高。

    Jun, 2016

  • EWEK-QA：面向引文问答系统的增强网络和高效知识图检索

    通过设计自适应的网页检索器和高效地整合知识图谱三元组的方法，我们提出了增强型网页和高效知识图谱检索解决方案（EWEK-QA），以丰富系统提供的提取知识内容。我们的模型通过一系列定量分析和人工评估实验证明了 EWEK-QA 的有效性，显著提高了网页检索基线的相关段落提取率（>20%）、答案范围覆盖率（>25%）和自包含性（>35%），在 7 个定量问答任务和人工评估中明显优于仅使用网页或知识图谱的最新基线模型。

    Jun, 2024

  • 语音助手中噪声鲁棒命名实体识别

    本文提出了一个新的架构，通过联合重排序模块将 NER 和 EL 任务相结合，提高 NER 和 EL 的准确性，同时还可以提高其他自然语言理解任务（如域分类和语义解析）的准确性。

    May, 2020

  • 基于知识图谱的实体纠错及查询重写系统

    本文提出了 KG-ECO 系统，它利用知识图谱增强了实体纠正并且在对话系统中的表现优于两种基线方法。此系统特别适用于目标实体在训练集中很少出现或与查询中的其他上下文实体存在知识图谱关系的少样本学习案例。

    Feb, 2023