- 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。
- ICCV利用少样本学习和相关反馈推进图像检索
通过少样本学习方法,我们提出了一种基于超网络的方案,通过在图像检索中协助用户反馈的快速调整,实现了在多个基准测试和两个附加任务上全面验证的优越性能,并在 IRRF 中超越了强基线模型,同时也在少样本开放集识别的二进制分类任务中取得了富有竞争 - 基於內容的圖像檢索的進展:關聯反饋技術的全面調查
内容检索 (CBIR) 系统在计算机视觉领域成为关键工具,通过基于视觉内容而非仅依赖元数据进行图像搜索。本综述论文全面介绍了 CBIR,并强调了其在目标检测方面的作用,以及基于内容特征识别和检索视觉相似图像的潜力。文章探讨了 CBIR 系统 - 脑电信号的相关反馈
使用便携式和高精度脑机接口设备,将大脑信号作为衡量相关性的指示,以改进文档重新排序的性能。实验证明,融合大脑信号在相关性反馈中能够显著提高性能,并且特别适用于一些复杂的搜索场景。
- 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。
- 神经信息检索推理时重排反馈
本文提出了利用轻量级的推理,将 re-ranker 的命中率反馈给 retriever 的方法,从而提高检索召回率。实验证明,此方法在多个领域、语言和模态下均明显提高了检索召回率。
- 克服在线学习排名中的先验错误规定
在线学习排序的领域,Bayesian ranking bandit algorithms 已被证明可以使用先前的知识来提高效能。本文提出并分析了自适应的算法,解决了现有工作需要匹配真实先验的主要局限性,并将这些结果扩展到线性和广义线性模型。 - EMNLP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。
- 使用预训练转换器的连续主动学习
研究探讨使用基于 transformer 的模型如何提升高召回率信息检索的搜索性能,提出了可基于相关反馈进行持续 fine-tune 的 CALBERT 模型。
- 用图引导的多轮检索方法解决面向对话的开放领域问答
本文提出了一种基于图模型和关联反馈的检索方法,用于连续的问答交互中提高检索效率和准确性。实验结果显示,与当前流行的方法相比,该方法大幅提高了问题回答的 F1 得分。
- 从一瞥到抓住:带有渐进相关反馈的交互式面部图像检索
提出了一种端到端的面部图像检索框架,利用相关反馈逐步提供给目击者,对心理图像进行交互式和迭代式检索,无需额外注释,并进行 exttt {CelebA} 数据集上的实验证明,该模型在最佳设置下的排名百分位数可以达到 99%,可以成为进一步研 - KDD挖掘用户行为隐式相关反馈以用于网络问答
本文通过研究用户行为与段落相关性的关联性,提出了一种新的从用户行为数据中挖掘 Question Answering 系统训练数据的方法,并在四个测试数据集上得出了显著的排名准确性提高的结果。
- TopicSifter:通过有针对性的主题建模交互式减少搜索空间
本文提出一种基于非负矩阵分解的 TopicSifter 可视化分析系统,以帮助用户针对具体目标进行大规模文档检索,包括使用相关反馈来调整目标和优化主题模型以获得最相关的结果。
- EMNLP一种以强化学习为驱动的面向搜索型对话系统的翻译模型
本研究提出了一种基于强化学习的翻译模型框架,该模型以关键字为基础,能够理解使用自然语言表示的信息需求,并通过注入相关反馈,采用单词选择方法来克服缺乏大规模数据集的问题。实验表明,该方法在两个 TREC 数据集上的有效性得到了证明。
- WWW无监督,高效和语义型专家检索
本文引入了一种无监督的辨别模型,用于在线文档检索。我们仅使用文本证据,通过无监督学习分布式词表示来避免显式特征工程。我们将我们的模型与最先进的无监督统计向量空间和概率生成方法进行比较,并发现我们的模型在大多数情况下可以与监督方法匹配,且算法 - AAAI随机化最小侵入式采集点击记录中的无偏好好处
通过处理搜索结果展示方式,消除展示偏见获取更客观的用户隐式反馈,取得更佳的排序效果。