ranking models | BriefGPT - AI 论文速递

关键词ranking models

搜索结果 - 17

对反事实学习排序模型的鲁棒性进行的可复制性研究
通过广泛的基于仿真的实验，探究了现有的反事实学习排序模型在复杂和多样化情境下的稳健性，并发现 DLA 模型和 IPS-DCM 在各种仿真设置下展现出更好的稳健性，而 IPS-PBM 和 PRS 则较为脆弱；此外，当生产排序器具有较高的排序性
PDF3 months ago
蒸馏增强的生成式检索
通过蒸馏技术，提出了一种名为 DGR 的可行框架，利用排名模型作为教师角色，通过专门设计的蒸馏 RankNet loss 来优化生成式检索模型，从而提升了当前生成式检索系统的性能。
PDF5 months ago
识别性问题：揭示偏向的学习排序中隐藏的可恢复条件
应用无偏学习排序 (Unbiased Learning to Rank, ULTR) 于训练基于偏差点击日志的无偏排序模型，在明确用户行为生成过程并根据检验假设拟合点击数据的基础上，研究发现点击数据完美拟合时可以恢复真实潜在相关性，但实际上
PDF9 months ago
ACL学习检索有吸引力的后续查询
本文提出了一种基于检索的系统和相关数据集，用于预测用户可能有的下一个问题，可以主动地帮助用户进行知识探索，引导用户进行更有意义的对话。该检索系统是在一个包含 14000 多组信息获取对话的数据集上进行训练的，该数据集包含一个有效的后继问题和
PDFa year ago
通过综合评估和排行榜了解长文档排名模型的性能
本研究综合评估了 13 个模型在排名长文档方面的功能，包括两种专用 Transformer 模型，同时分析了训练和比较这些模型的几个困难。结果表明，虽然 Robust04 和 MS MARCO 文件经常被用于长文件模型的基准测试，但我们认为
PDF2 years ago
MM关于排名模型混合物的可识别性
本文研究排名模型的混合参数可辨识性问题，尤其是两个 Bradley-Terry-Luce 组分混合模型的参数是否可辨识。通过代数几何方法建立了一个通用的框架，证明了多数常用混合排名模型是可辨识的，而只有一些意义下的例外。此框架可推广到其他学
PDF2 years ago
减少技术辅助审查中的手动工作负荷：估算排名表现
本研究提出了一种新的方法来评估相关性研究的文献排序，通过评估文献排序模型和主题广度之间的关系，减轻系统评价的人工工作量。
PDF2 years ago
EMNLP使用双边对比数据进行问题答案对排序的学习
本论文提出一种新颖简单的数据增强策略 ——Bilateral Generation（BiG），并设计了一个对比训练目标来提高现有标记数据中排名问题答案对的性能，通过使用两个预训练生成模型，即问题生成器和答案生成器，与原始负 QA 对形成假正
PDF3 years ago
SIGIR计算高效的 Plackett-Luce 排名模型优化 —— 针对相关性和公平性
本文提出了一种名为 PL-Rank 的新算法，用于估计 PL 排名模型关于相关性和公平度量的梯度，相比现有的策略梯度方法，PL-Rank 的采样效率更高且计算成本更低，可以用于更真实、更公平的实际排名系统。
PDF3 years ago
利用跨架构知识蒸馏改进高效神经排序模型
该研究探讨了如何提高基于 BERT 和非 BERT 的不同命令匹配体系结构的目标性能，提出了一种跨体系结构教授的知识蒸馏过程，使用 Margin-MSE 损失相对输出分数进行适应，从而显著提高再排序效果。同时，研究发布了教师 - 分数培训文
PDF4 years ago
SIGIR分析澄清问题对对话式搜索中文档排序的影响
该研究分析了词汇排名模型在具有澄清问题的会话搜索数据集上的性能，探讨了不同方面的澄清问题和用户答案如何影响排名的质量，并介绍了一种基于启发式的词汇基线，它明显优于现有的朴素基线。
PDF4 years ago
SIGIR利用非展现项进行判别域自适应以提高长尾性能的 ESAM
本文提出了一个基于 ESAM 的域适应模型来解决样本选择与长尾问题，将展示和未展示的物品分别作为源领域和目标领域，通过设计属性相关性对齐和引入两种有效的正则化策略来提高 DA 进程，实验表明 ESAM 在提高了长尾空间的性能方面取得了最新的
PDF4 years ago
排名和回归的成对公平性
我们提出了针对排名模型和回归模型的成对公平度量标准，这些标准类似于统计公平概念，如平等机会、平等准确性和统计平等，通过现有的约束优化和鲁棒优化技术可以有效地解决结果训练问题，实验表明这些方法具有广泛的适用性和权衡性。
PDF5 years ago
SIGIR批判性检查 “神经热潮”: 弱基线和神经排序模型效果增益的可加性
这篇论文进行了一项元分析研究，发现神经排序模型在有限数据情况下并不能提高特定检索任务的效果，并对作者通过与弱基线比较来展示神经 IR 论文中 “胜利” 的 anecdotal evidence 提供了权威的实验证据和结论。
PDF5 years ago
深入研究信息检索中的神经排名模型
该研究论文主要讨论了信息检索中的排名模型如何应用传统启发式方法、概率方法和现代机器学习技术等技术构建，并重点介绍了基于浅层或深层神经网络的神经排名模型，分析了其基本原理和学习策略，并通过基准测试比较了这些模型，最后探讨了当前文献中存在的问题
PDF5 years ago
在线环境中的排名模型优化
本文介绍了在线学习排序的两种最新方法：Dueling Bandit Gradient Descent（DBGD）和 Pairwise Differentiable Gradient Descent（PDGD）的比较及其在极端嘈杂和非连锁用户
PDF5 years ago
KDD排名蒸馏：学习高性能紧凑排名模型的推荐系统
在学习排名问题时，我们提出了一种基于知识蒸馏的技术，称为 RD，通过使用更小的模型在保持模型性能的同时提高在线推理的效率，该技术在公共数据集和推荐模型上实现了旨在设计的目的。
PDF6 years ago