Oct, 2022

基于维基百科概念的噪音文本主动信息检索

PDF
TL;DR本文探究了如何利用 Wikipidia 概念传递查询上下文以提高对嘈杂文本的主动信息检索的性能，并提出了两种模型，利用实体链接将 Wikipedia 主题与相关性模型关联。实验结果表明，Wikipedia 概念与检索结果相关性之间存在明显信号，关联排序模型的使用可以进一步提高精度，并且使用 Wikipedia 处理查询背景语境可以消除歧义，进一步帮助主动信息检索。
proactive information retrievalwikipediaentity linkingrelevance modelcontextual disambiguation
发现论文，激发创造
  • Wikiformer: 以维基百科结构化信息预训练的 Ad-hoc 检索

    利用维基百科的结构化知识，我们设计了四种针对信息检索任务的预训练目标，实验结果表明，相较于现有的预训练方法，我们的模型在零样本和微调设置中都表现出优越的性能，尤其是在需要长文本相似度匹配的垂直领域。

    Dec, 2023

  • 利用潜在知识和对话上下文实现真实世界会话问答

    该论文提出了一种基于神经检索 - 阅读 (Retrieval-Reading) 系统和基于 TFIDF 的文本摘要技术来利用先前的谈话历史中的潜在知识的方法，以便更好地回答问题，并且实验证明该系统显著提高了回答质量。

    Dec, 2022

  • WikiRank 基于背景知识的关键词提取算法改进

    本文提出了基于维基百科背景知识的关键短语提取方法 WikiRank，在构建语义图和将提取问题转化为图优化问题后，得到优化的参数集，相较于其他现有模型在 F1 得分上提升了超过 2%。

    Mar, 2018

  • 基于 LSTM 的主动信息检索预测

    本研究通过使用 LSTM 网络和背景信息推荐系统，为写作任务提供积极信息检索，以提高搜索质量。

    Jun, 2016

  • 通过检索和理解从非结构化文本中进行问答

    本文提出了基于 RNN 和神经模型的信息检索和理解两个步骤的开放域问答系统来解决信息检索的问题，并在 Wiki Movies 数据集上达到了最先进的表现，通过减少 40% 的错误率来证明了每个组件的重要性。

    Mar, 2017

  • 用于改善基于分类体系的搜索引擎意图估计的语义语料库自动生成

    本文介绍了语义扩展检索系统中影响最大的语义关联作用，并提出在准确性和噪音引入之间寻找最佳平衡的方案，最后通过构建自然语言处理系统并利用系统的多种知识资源进行评估。

    Mar, 2022

  • 使用维基百科回答开放领域问题

    本文提出使用维基百科作为唯一知识源来解决开放领域问题回答，提出了一种基于大二元哈希和 TF-IDF 匹配的搜索组件与训练于维基段落中检测答案的多层循环神经网络模型的结合方法，同时现有数据集的实验结果表明，这两个模块都是高度竞争力的，并且使用远程监督进行多任务学习的组合是这个具有挑战性任务的有效完整系统。

    Mar, 2017

  • 用于事实验证的数据高效自回归文档检索

    本文介绍了一种不需要标注的远程监督方法，可用于训练自回归召回器，以在零样本环境中获得竞争性召回率和精确率。此外，通过针对特定任务的监督微调，展示了利用少于 1/4 注释数据的情况下，基于 Wikipedia 的事实验证任务的自回归检索性能可以接近甚至超过全监督。这指出数据有效的自回归检索存在着可行的方向。

    Nov, 2022

  • 从维基百科中挖掘意义

    该研究论文全面描述了如何将 Wikipedia 蕴藏的概念、关系、事实及描述提取出来并进行应用，分为四个方面：将其应用于自然语言处理、用于信息检索和信息提取、作为本体论构建的资源以及如何将其与其他结构结合创建全新的资源。此外，提及了参与此研究领域的机构、个人及其近年来的发展。

    Sep, 2008

  • 基于相关知识和目标的预测性检索聊天机器人

    本文提出了一种新的多任务学习框架，以预测相关知识并通过显式信号来监督其学习，实现知识驱动的主动式对话，从而提高最终响应选择的准确性。

    Jul, 2021