ACLMay, 2022

神经检索器与超越：论文提案

PDF
TL;DR本篇论文提出三个方面的方法，包括新的模型架构、IR 导向的预训练任务、生成大规模训练数据，以解决神经检索器面临的问题，并探讨了多模式查询的未来研究方向和相应的解决方法。
information retrieverneural retrieversmulti-modality queriesir-oriented pretraining taskslarge scale training data
发现论文，激发创造
  • 使用神经检索器提高生物医学信息检索

    本研究旨在提高神经检索器在生物医学领域中的表现，提出了模板问题生成方法、两个新的预训练任务以及多维语境表示（Poly-DPR）技术，并通过 BioASQ 挑战实验证明该方法在小语料库方面超越目前的神经方法和 BM25。

    Jan, 2022

  • 神经信息检索：文献综述

    本研究总结了当前神经信息检索研究的情况，特别关注了问题和文档的学习性表示（即神经嵌入），强调了神经信息检索目前的成功之处，列出了其更广泛采用的障碍，并建议未来研究的潜在方向。

    Nov, 2016

  • 知识密集型任务的多任务检索

    本文介绍了一个多任务学习的神经检索模型，该模型在少样本、领域内外多种问题下表现良好，能够有效地检索到相关上下文信息，并且在多个基准测试中实现了与或优于目前的最新技术结果。

    Jan, 2021

  • 信息检索的神经网络

    本研究论文旨在向初学者和有经验的研究人员介绍当前 IR 问题的深度学习中的神经方法，并涵盖了关键架构和最有前途的未来方向。

    Jul, 2017

  • 信息检索的神经模型

    本文介绍了神经信息检索模型以及基础概念和直觉，包括传统的学习排序模型的学习技术和基于神经网路以原始文本学习语言表示的自然语言处理方法。同时，也简单介绍了浅层和深度的神经网络以及目前的深度神经网络检索模型，并探讨了神经信息检索未来的发展方向。

    May, 2017

  • 从阅读器向检索器提取知识以作问答之用

    本文提出了一种受到知识蒸馏启发的学习信息检索器的技术，在没有标注的查询和文档对的情况下，利用阅读器模型的注意力分数来获得检索器的合成标签，用于下游任务，最终在问题回答方面达到了最先进的结果。

    Dec, 2020

  • 构建可解释和可靠的新领域开放信息检索器

    提出了一种信息检索管道，利用实体 / 事件链接模型和查询分解模型来更准确地关注查询的不同信息单元，该管道显著提高了对五个信息检索和问答基准的段落覆盖率和指代准确性。由于其卓越的可解释性和跨领域性能，它将成为需要在新领域上执行信息检索而无需大量投入的应用程序的首选系统。

    Aug, 2023

  • 超越相关性：评估和提升具备观点感知的检索模型

    信息检索任务要求系统根据用户的信息需求识别相关文档。这项研究探讨了检索系统是否能够识别和回应查询的不同视角，以及利用几何特征改善检索系统的视角意识。

    May, 2024

  • 深度学习相应：创造相关信息（与检索不同）

    论文研究了信息检索系统不仅可以检索与查询相关的信息，而且可以将其 “理解” 并综合成一个单一的文档，使用递归神经网络进行深度学习来人工合成文档，通过众包实验评估文档的相关性。

    Jun, 2016

  • 神经抽取式搜索

    我们提出了一种名为‘抽取式搜索’的搜索范式，其使用捕捉插槽等方法实现从大语料库中快速提取结构化信息，并通过神经检索和对齐提高召回率以改进结果。本文旨在简要介绍抽取式搜索并展示原型系统的潜力和好处。

    Jun, 2021