Apr, 2023
点击反馈检索
Click-Feedback Retrieval
Zeyu Wang, Yu Wu
TL;DR本研究旨在通过用户点击喜欢和不喜欢的搜索结果提供反馈，以指导搜索过程，构建了新的基于时尚领域大规模数据集的点击反馈检索基准，证明了将点击反馈纳入训练可以显著提高检索质量。
Abstract
Retrieving target information based on input query is of fundamental
importance in many real-world applications. In practice, it is not uncommon for
the initial search to fail, where additional feedback informati
发现论文，激发创造
基于对话的交互式图像检索
介绍了一种新的交互式图像检索方法，该方法允许用户通过自然语言提供反馈，形成了一个基于强化学习的对话系统，用于提高目标图像的排名，该方法在鞋类检索应用中表现出更好的准确性和更有效的检索结果。
May, 2018
学习排序链：从隐式反馈中进行排序
本文提出一种新方法，利用点击行为数据学习网页搜索结果的排序检索函数，通过查询链生成新类型的偏好判断，并实现了一个实际的搜索引擎进行测试，实验结果表明与传统排序函数和不考虑查询链情况下的排序函数相比，该方法在搜索引擎排序上有显著的改进。
May, 2006
FeedRec: 利用各种用户反馈的新闻推荐
为了提高新闻推荐的用户兴趣模型和模型训练的效果，我们提出了一种利用各种用户反馈的统一用户建模框架，并采用强到弱的注意力网络来提炼正负用户兴趣，以及采用多反馈模型训练框架来学习关注度感知的新闻推荐模型。
Feb, 2021
针对召回导向的神经信息检索的相关性反馈策略
通过基于 BERT 的密集向量搜索产生的相关排名，并基于累积求和的查询和选择的嵌入，我们提出了一种更注重召回率的减少审核工作量的方法，该方法可与基线方法相比，以固定的召回目标为基础，减少 17.85% 至 59.04% 的审核工作量。
Nov, 2023
基于 CLIP 的交互式图像检索中的相关性反馈再审
通过集成 CLIP 与经典的相关反馈技术以增强图像检索，我们提出了一种交互式基于 CLIP 的图像检索系统，并利用相关反馈收集用户独特的偏好，从而适应不同用户的偏好并实现高准确性的图像检索。
Apr, 2024
利用有限样本文档重新排序，加入相关反馈来改进信息检索
本研究探讨如何将相关性反馈直接集成到神经重排模型中，使用 kNN 方法和交叉编码器模型，通过在现有信息检索数据集上的实验，证明了这种方法能够大幅提高神经重排模型的性能。
Oct, 2022