Semantic Arabic Information Retrieval Framework
信息发布量和存储量的不断增加，要求有专门的信息检索框架来准确、快速地检索和获取信息。目前，基于关键字的技术通常用于信息检索中。然而，关键词方法的一个主要缺点是它无法处理自然语言中的一词多义和同义现象。例如，不同社区对词语的含义和对概念的理解不同。同一个词用于不同的概念（一词多义）或使用不同的词用于同一个概念（同义）。大多数信息检索框架在处理词汇语义方面存在不足（索引、布尔模型、潜在语义分析（LSA）、潜在语义索引（LSI）和语义排序等）。传统的阿拉伯语信息检索（AIR）模型在处理语义查询时，不仅要处理关键字，还要处理这些关键字的上下文，因此性能不足。因此，需要一种具有语义索引结构和基于语义索引的排序算法的语义信息检索模型。
2015-12-10 cs.IR
A Concept-Centered Hypertext Approach to Case-Based Retrieval
基于病例的检索的目标是通过在大型档案中查找相关医学文献来帮助医生进行临床决策。我们提出了一项研究，旨在通过使用自动创建的文档级语义网络，提高基于案例的检索系统的有效性。建议的研究处理信息系统的不同方面，并利用信息抽取和关系学习的最新进展，重新审视和推进以概念为中心的超文本模型的核心思想。我们提出了一个两步的方法，在第一步中解决了自动创建的文档级语义网络，然后在第二步中，它设计的方法，利用这种文档表示从医学文献中检索相关的情况下。为了自动建立文档的语义网络，我们设计了一种结合信息抽取技术和关系学习模型的方法。信息抽取技术是从文本中挖掘概念和关系的技术，是文档级语义网络构建过程的核心。另一方面，关系学习模型的任务是用信息抽取算法没有检测到的额外连接来丰富图，并加强所提取关系的置信度。为了检索相关的医学文献，我们调查的方法，能够比较文件的语义网络的结构和语义。从文档中自动提取语义关系，以及它们在创建文档语义网络中的中心地位，代表了我们比以前基于图的方法更进一步的尝试。
2018-11-27 cs.IR
ConceptFormer: Learning Adaptive Latent Concepts for Query-Document Alignment in Visual Document Retrieval
Northeastern University（东北大学）；Tsinghua University（清华大学）；Peking University（北京大学）
针对视觉文档检索中现有监督信号的局限，本文提出ConceptFormer框架，以自适应潜在概念为中间表示衔接语义鸿沟，在基准测试中较最强基线实现了16.7%、22.1%的NDCG@10相对提升，性能优异。
2026-08-24 cs.CV cs.IR
Document Retrieval using Predication Similarity
文档检索是信息检索界多年来的一个重要研究课题。现有技术利用各种方法将文档匹配到给定文档，包括关键字、短语和注释。在本文中，我们提出了一种新的方法，利用预测（主谓宾三元组）从文件中提取的文件检索。我们将文档表示为一组预测。我们测量预测之间的相似性来计算文档之间的相似性。我们的方法利用本体中的层次信息计算概念概念相似度，使方法灵活。基于预测的文档相似度更精确，是语义感知文档检索系统的基础。我们表明，该方法是有竞争力的现有国家的最先进的相关文件检索技术在生物医学领域。
2016-04-19 cs.IR
Concept Based vs. Pseudo Relevance Feedback Performance Evaluation for Information Retrieval System
University of Tlemcen（特莱姆森大学）
本文对信息检索系统中的两种查询重构技术，即基于概念的重构和伪相关反馈重构的性能进行了评价。阿拉伯语文本的语料库上进行的实验，使我们能够比较这两个重构技术在提高阿拉伯语文本的信息检索系统的性能的贡献。
2014-03-18 cs.CL cs.IR
Concept-based indexing in text information retrieval
Mouloud Mammeri University of Tizi-Ouzou（穆卢德·马姆里蒂齐乌祖大学）
传统的信息检索系统依赖于关键字来索引文档和查询。在这样的系统中，基于与查询共享的关键字的数量来检索文档。当使用不同的关键字来描述文档和查询时，这种以词汇为中心的检索会导致不准确和不完整的结果。以语义为中心的检索方法试图通过依赖于概念而不是关键字来索引和检索来克服这个问题。目标是检索与给定用户查询语义相关的文档。本文针对这一问题提出了一个解决方案，在索引级。更确切地说，我们提出了一种新的方法，语义索引的基础上确定的概念，从语言资源。特别是，我们的方法依赖于WordNet和WordNetDomains词汇数据库的概念识别的联合使用。此外，我们提出了一个基于语义的概念加权方案，依赖于一个新的概念中心的定义。在TIME测试集合上评估生成的系统。实验结果表明，我们的命题比传统的IR方法的有效性。
2013-03-07 cs.CL cs.IR
A Proposed Conceptual Framework for a Representational Approach to Information Retrieval
University of Waterloo（滑铁卢大学）
本文概述了一个概念框架，以了解最近的发展，信息检索和自然语言处理，试图整合密集和稀疏检索方法。我提出了一个代表性的方法，打破了核心文本检索问题的逻辑评分模型和物理检索模型。评分模型是根据编码器和比较函数定义的，编码器将查询和文档映射到一个表示空间，比较函数计算查询-文档得分。物理检索模型定义了系统如何从任意大的语料库中产生关于查询的最高$k$评分文档。评分模型可以沿着两个维度进一步分析：密集与稀疏表示以及监督（学习）与无监督方法。我表明，许多最近提出的检索方法，包括多阶段的排名设计，可以被看作是不同的参数化在这个框架中，一个统一的观点提出了一些开放的研究问题，为未来的工作提供了路线图。作为奖励，这个概念框架建立了连接到句子相似性任务在自然语言处理和信息访问“技术”之前的黎明计算。
2021-12-28 cs.CL cs.IR
PairSem: LLM-Guided Pairwise Semantic Matching for Scientific Document Retrieval
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Korea University（高丽大学）；National Institutes of Health（美国国立卫生研究院）；Pohang University of Science and Technology（浦项科技大学）
PairSem通过实体-属性对捕捉科学概念的多面性，提升科学文档检索的精度和上下文感知能力。
2026-01-25 cs.IR
Selecting Relevant Web Trained Concepts for Automated Event Retrieval
Center For Automation Research, University of Maryland, College Park（马里兰大学帕克分校自动化研究中心）
复杂事件检索是一个具有挑战性的研究问题，特别是在没有训练视频的情况下。收集训练视频的替代方案是先验地训练大型语义概念库。给定事件的文本描述，事件检索通过选择与事件描述语言相关的概念并融合看不见的视频上的概念响应来执行。然而，定义一个详尽的概念词典和预训练它需要大量的计算资源。因此，最近的方法自动化的概念发现和训练，利用大量的弱注释的Web数据。紧凑的视觉上突出的概念是自动获得的概念对，或更一般地说，n-gram的使用。然而，并不是所有视觉上突出的n-gram都一定对事件查询有用--一些概念的组合可能在视觉上紧凑但不相关--这会极大地影响性能。我们提出了一个事件检索算法，构造对自动发现的概念，然后修剪这些概念是不太可能有助于检索。修剪取决于查询和正在评估的特定视频实例。我们的方法还解决了校准和领域自适应问题时出现的概念检测器看不见的视频。我们证明了在TRECVID MED 13数据集上比其他基于视觉的系统有很大的改进。
2015-09-25 cs.CL cs.CV cs.IR
Health Information Retrieval -- State of the art report
本报告概述了医疗保健领域的信息检索（IR）。它的目的不是介绍一般的概念和理论的IR，但目前和描述健康信息检索（HIR）的具体方面。在简要介绍了IR更广泛的领域后，讨论了HIR在当今时代的意义。健康信息的具体特征、其分类和健康概念的主要现有表示法以及该领域的主要产品和服务（例如：健康书目内容数据库、健康特定搜索引擎等）。最新的研究工作进行了讨论，最活跃的研究人员，项目和研究小组也提出。主要组织和期刊也被确定。
2022-05-18 cs.IR
Concept Embedding for Information Retrieval
GESIS - Leibniz Institute for the Social Sciences（莱布尼茨社会科学研究所（GESIS））；Cologne（科隆）
概念用于解决术语不匹配问题。然而，我们需要一个有效的概念之间的相似性度量。词嵌入提供了一个很有前途的解决方案。在这项研究中，我们提出了三种方法来建立概念向量的基础上的词向量。我们使用基于向量的措施来估计概念间的相似性。我们的实验显示了有希望的结果。此外，词语和概念变得可比较。这可用于改进概念索引编制过程。
2020-02-01 cs.AI cs.CL cs.IR
Prompting Beats Fine-Tuning: Generative Expected Value Scoring for Statutory Term Retrieval
Carnegie Mellon University（卡内基梅隆大学）
研究法规中模糊法律概念检索任务，比较仅编码器模型微调与仅解码器模型零样本提示两类方法，发现提示仅解码器模型总体效果最佳，最佳系统超越此前所有最先进结果。
2026-07-08 cs.IR
AutoConcept: Training-Free Concept-Guided Reranking for Metadata-Available Composed Image Retrieval
School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院）；INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE LYON（里昂国立应用科学学院）
本文提出无需训练的AutoConcept重排序器，用于元数据可用的组合图像检索，通过过滤噪声概念、激活正约束等方式提升检索效果，在FashionIQ等数据集上取得显著增益，验证了概念级重排序的有效性。
2026-09-02 cs.CL cs.IR
The Parallel Distributed Image Search Engine (ParaDISE)
图像检索是一项复杂的任务，根据任何特定领域（例如医疗环境）的上下文和用户需求而有所不同。通过文本进行搜索通常是不可能的或最佳的，并且通过视觉内容进行检索并不总是成功地对用户正在寻找的高级概念进行建模。现代图像检索技术由多个步骤组成，旨在从大规模数据集中检索信息，不仅基于全局图像外观，而且基于局部特征，如果可能的话，还基于视觉特征与文本或语义之间的联系。本文介绍了并行分布式图像搜索引擎（ParaDISE），一个图像检索系统，结合了视觉搜索与基于文本的检索，是作为开源和免费的。Paradise的主要设计理念是灵活性、可扩展性、可伸缩性和互操作性。这些概念构成的系统，能够在现实世界中的应用程序，并作为一个图像检索的研究平台。除了该系统的架构和实施，两个用例进行了描述，一个应用程序的ParaDISE从医学文献和医学图像检索的视觉特征评价的图像检索。未来的步骤包括创建一个开源社区，该社区将在现有部分的基础上贡献和扩展该平台。
2017-01-19 cs.IR
Migration-Related Semantic Concepts for the Retrieval of Relevant Video Content
移徙，特别是非正常移徙，是边境机构和整个社会面临的一个关键问题。与移徙有关的情况和决定受到各种因素的影响，包括对移徙路线和目标国的看法。通过对媒体和社交媒体渠道以及其中发布的视频和图像进行系统的自动分析，可以更好地了解这些因素。然而，移民的多面性和移民相关方面的各种方式在图像和视频中表达，使移民相关的多媒体内容的查找和自动分析成为一项具有挑战性的任务。我们提出了一种新的方法，有效地弥合之间的差距，一个充实的域理解-封装成一组迁移相关的语义概念-和表达这样的概念在视频中，通过引入先进的视频分析和检索方法。
2020-11-13 cs.CY cs.IR
Towards Proactive Information Retrieval in Noisy Text with Wikipedia Concepts
University College London（伦敦大学学院）
从用户历史中提取有用的信息以清楚地了解信息需求是主动式信息检索系统的一个重要特征。关于理解信息和相关性，维基百科可以提供智能系统所需的背景知识。这项工作探讨了如何利用上下文的查询使用维基百科的概念可以提高主动信息检索嘈杂的文本。我们制定了两个模型，使用实体链接相关联的维基百科主题的相关性模型。我们围绕播客片段检索任务的实验表明，维基百科概念中存在明确的相关性信号，而排名模型可以通过合并它们来提高精度。我们还发现维基化查询的背景上下文可以帮助消除查询的含义，进一步帮助主动信息检索。
2022-10-18 cs.AI cs.IR cs.LG
E-SENS: Exclusion-Sensitive Penalization for Negative-Constraint Retrieval
针对检索增强语言模型无法遵守负约束的问题，提出无需训练的重排序方法E-SENS，在ExcluIR数据集的四种嵌入模型上，于保留召回的同时减少了陷阱检索。
2026-09-07 cs.AI cs.IR
Discriminative Information Retrieval for Knowledge Discovery
我们提出了一个框架的歧视性信息检索（IR）的语言特征，训练，以提高召回的任务，如答案候选段落检索，在基于文本的问答（QA）的初始步骤。我们将其形式化为基于线性特征的IR的实例（Metzler和Croft，2007），说明了在这种方法下如何捕获各种知识发现任务，从而使QA的候选分类的召回率提高了44%。
2016-10-06 cs.IR
A Few Brief Notes on DeepImpact, COIL, and a Conceptual Framework for Information Retrieval Techniques
David R. Cheriton School of Computer Science（戴维·R·切里顿计算机科学学院）；University of Waterloo（滑铁卢大学）
信息检索表征学习的最新发展可以组织在一个概念框架中，建立两对对比：稀疏与密集表示和无监督与学习表示。稀疏学习表示可以进一步分解为扩展和项加权组件。这个框架使我们能够理解最近提出的技术之间的关系，如DPR，ANCE，DeepCT，DeepImpact和COIL，此外，我们的分析揭示的差距指向尚未探索的技术方面的“低挂水果”。我们提出了一种新的技术称为“uniCOIL”，一个简单的扩展COIL，达到我们所知的流行MS MARCO通道排名数据集上的稀疏检索的当前最先进的。我们使用Anserini IR工具包的实现是建立在Lucene搜索库上的，因此与标准的倒排索引完全兼容。
2021-06-28 cs.CL cs.IR
A Formal Account of Effectiveness Evaluation and Ranking Fusion
本文提出了一个理论框架，模型的检索系统提供的信息方面的信息论。建议的框架允许正式化：（i）系统的有效性作为系统输出和人类评估之间的信息理论相似性，以及（ii）排名融合作为信息量的测量。其结果是，建议的有效性度量改进了流行的度量方面的正式约束。此外，我们的实证实验表明，它从传统指标中捕获质量方面，而反过来则不正确。我们的工作还推进了对经验已知的有效性增加现象的理论基础的理解，当以无监督的方式结合检索系统输出时。
2018-09-14 cs.IR
Concepts Complement Dense Semantics: Learning Compact Sparse Spaces for Text-Image Retrieval
Korea University（高丽大学）；Sungkyunkwan University（成均馆大学）；KT Corporation（KT公司）
提出GRASP框架，通过挖掘视觉-文本概念并训练轻量级稀疏头，生成可解释的概念级证据以补充稠密语义匹配，在文本-图像检索中实现更优准确率与更紧凑接地的稀疏空间。
2026-09-29 cs.CV cs.IR
Learning an Effective Premise Retrieval Model for Efficient Mathematical Formalization
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院）；School of Mathematics, Renmin University of China（中国人民大学数学学院）；Beijing Key Laboratory of Research on Large Models（北京大模型研究关键实验室）；Engineering Research Center of Next-Generation Intelligent Search（下一代智能搜索工程研究中心）
本文提出一种利用 Mathlib 数据训练的轻量级前提检索模型，通过对比学习框架结合专门分词器、细粒度相似度计算与重排序模块，有效提升了形式化数学中的检索准确率并降低了计算负荷。
2025-07-16 cs.AI cs.CL cs.IR
Introductory review to quantum information retrieval
最近，人们开始认识到，量子理论的数学形式的应用并不局限于物理学。如今，这种形式主义被广泛应用于量子物理之外，特别是在认知，心理学，决策，信息处理，特别是信息检索。后者非常有希望。这个简短的介绍性评论的目的是促进信息科学这一令人兴奋的领域的研究。本文的目的并不是对量子信息检索的研究现状进行全面的综述。
2020-08-05 cs.IR quant-ph
Query by Semantic Sketch
基于草图的查询公式化在图像和视频检索中非常常见，因为这些技术通常补充基于手动或机器生成的注释的文本检索方法。在本文中，我们提出了一种检索方法，允许查询视觉媒体收藏草图的概念图，从而合并基于草图的检索与搜索语义标签。用户可以绘制不同概念标签的空间分布，例如“天空”，“海洋”或“人”，然后使用这些草图找到表现出这些概念的类似分布的图像或视频场景。因此，这种方法不仅考虑了语义概念本身，而且还考虑了它们的语义关系以及它们的空间上下文。有效的矢量表示，即使在大型多媒体集合中也可以进行有效的检索。我们已经将语义草图查询模式集成到我们的检索引擎vitivr中，并证明了它的有效性。
2019-09-27 cs.IR cs.MM
CREATE: Cohort Retrieval Enhanced by Analysis of Text from Electronic Health Records using OMOP Common Data Model
背景资料：电子健康记录（EHR）的广泛采用使得EHR数据能够用于临床研究和医疗保健提供。自然语言处理（NLP）技术在其提取非结构化临床数据中的嵌入信息的能力方面已经显示出前景，并且信息检索（IR）技术提供了灵活且可扩展的解决方案，其可以增强NLP系统以检索和排名相关记录。研究方法：在本文中，我们提出了实施的队列检索增强分析文本从EHR（CREATE），队列检索系统，可以执行文本队列选择查询结构化和非结构化的EHR数据。CREATE是一个概念验证系统，它利用NLP结果的结构化查询和IR技术的组合来提高队列检索性能，同时采用观察性医学成果伙伴关系（OMOP）通用数据模型（CDM）来增强模型的可移植性。由cTAKES授权的NLP组件用于从文本查询中提取CDM概念。我们在Elasticsearch中设计了一个分层索引，以支持利用IR技术和框架进行CDM概念搜索。结果如下：我们的案例研究使用IR度量在患者级别和文档级别评估的5个队列识别查询，P@5（精度为5），表明CREATE实现了0.90的平均P@5，优于仅使用结构化数据或仅使用非结构化数据的系统，平均P@5s分别为0.54和0.74。
2019-01-22 cs.IR
Neural Models for Information Retrieval
用于信息检索（IR）的神经排序模型使用浅或深神经网络来对响应于查询的搜索结果进行排序。传统的学习排序模型采用机器学习技术，而不是手工制作的IR特征。相比之下，神经模型从原始文本中学习语言表示，可以弥合查询和文档词汇之间的差距。与经典的IR模型不同，这些基于机器学习的新方法是数据饥渴的，在它们可以被部署之前需要大规模的训练数据。本教程介绍了神经IR模型背后的基本概念和直觉，并将其置于传统检索模型的背景下。我们首先介绍IR的基本概念以及学习文本矢量表示的不同神经和非神经方法。然后，我们回顾了浅层神经IR方法，这些方法采用预先训练的神经项嵌入，而无需端到端学习IR任务。接下来我们将介绍深度神经网络，讨论流行的深度架构。最后，我们回顾了当前用于信息检索的DNN模型。最后，我们对神经IR的未来发展方向进行了讨论。
2017-05-03 cs.IR
Decoding Dense Embeddings: Sparse Autoencoders for Interpreting and Discretizing Dense Retrieval
SungKyunKwan University（顺天妇女大学）
本文提出利用稀疏自编码器将DPR稠密嵌入分解为可解释的潜在概念，并基于此构建概念级稀疏检索框架CL-SR，在保持稳健性能的同时提升透明度和效率。
2025-08-27 cs.IR cs.LG
Semantic Evolutionary Concept Distances for Effective Information Retrieval in Query Expansion
Hong Kong Baptist University（香港浸会大学）；University of Perugia（佩鲁贾大学）
在这项工作中，几个语义方法的概念为基础的查询扩展和重新排序方案进行了研究，并与不同的基于本体的扩展方法在Web文档搜索和检索进行了比较。特别是，我们专注于基于概念的查询扩展计划，其中，为了有效地提高精度的Web文档检索，以减少用户的浏览时间，主要目标是快速地为用户提供最合适的查询扩展。在Web文档检索中，查询扩展的两个关键任务是找到扩展候选，即Web文档域中最接近的概念，并对扩展查询进行适当的排序。我们提出的方法，旨在提高扩展阶段更好的Web文档检索和精度。其基本思想是使用PMING距离来测量候选概念之间的距离，PMING距离是一种协作语义接近度度量，即可以通过使用来自web搜索引擎的统计结果来计算的度量。实验结果表明，该方法能为用户提供更满意的扩展结果，提高了Web文档检索的质量。
2017-01-19 cs.AI cs.CL cs.IR
Inferring Conceptual Relationships When Ranking Patients
基于患者的医疗记录的相关性来搜索患者是具有挑战性的，因为患者的医疗记录和查询中固有的隐含知识。这样的知识对于医学从业者是已知的，但是可以对搜索系统隐藏。举例来说，在搜寻心脏病患者时，医生通常知道服用胺碘酮药物的患者是相关的，因为这种药物是用于对抗心脏病的。在这篇文章中，我们认为，利用这种隐含的知识，提高了检索的有效性，因为它提供了新的证据来推断患者的医疗记录对查询的相关性。具体而言，建立在现有的概念表示的医疗记录和查询，我们提出了一种新的扩展查询，推断额外的概念关系，从特定领域的资源，以及通过提取信息的概念，从排名靠前的患者的医疗记录。我们在TREC 2011年和2012年医疗记录跟踪的背景下评估我们提出的方法的检索有效性。我们的研究结果表明，我们的方法来模拟患者搜索的隐式知识的有效性，从而检索性能显着提高了一个有效的概念表示基线和现有的语义查询扩展基线。此外，我们提供了一个分析的类型的查询，所提出的方法可能是有效的。
2017-02-01 cs.IR
Introduction to Formal Concept Analysis and Its Applications in Information Retrieval and Related Fields
National Research University Higher School of Economics（国家研究型大学高等经济学院）
本文是一篇关于形式概念分析及其应用的教程。FCA是格论的一个应用分支，格论是一门数学学科，它使概念形式化为人类思维的基本单位，并以对象-属性的形式分析数据。它起源于80年代初，在过去的三十年里，它成为一个流行的以人为中心的知识表示和数据分析的工具，有许多应用。由于本教程是专门为RuSSIR 2014准备的，涵盖的FCA主题包括信息检索，重点关注可视化方面，机器学习，数据采掘和知识发现，文本挖掘等。
2017-03-08 cs.AI cs.CL cs.DM
How Can Graph Neural Networks Help Document Retrieval: A Case Study on CORD19 with Concept Map Generation
Emory University（埃默里大学）
图神经网络作为一组对不规则数据进行表示学习的强大工具，在各种下游任务中表现出了优越性。通过将非结构化文本表示为概念图，GNN可以用于文档检索等任务。出于对GNN如何帮助文档检索的兴趣，我们对大规模多学科数据集CORD-19进行了实证研究。结果表明，我们提出的面向语义的图函数，而不是复杂的面向结构的GNN，如GIN和GAT，实现了更好，更稳定的性能的基础上BM 25检索的候选人。我们在这个案例研究中的见解可以作为未来工作的指导方针，为文档检索和分类等文本推理任务开发具有适当的面向语义的归纳偏见的有效GNN。这个案例研究的所有代码都可以在https://github.com/HennyJie/GNN-DocRetrieval上找到。
2022-01-12 cs.CL cs.IR cs.LG
Improving Scientific Document Retrieval with Concept Coverage-based Query Set Generation
Korea University（高丽大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Pohang University of Science and Technology（浦项科技大学）；Texas A&M University（德克萨斯农工大学）；Yonsei University（延世大学）
针对科学文献检索中人工标注数据集构建难、现有合成查询概念覆盖不全的问题，提出CCQGen框架，通过自适应调整生成过程以全面覆盖文献概念，实验证明其显著提升了查询质量和检索性能。
2025-02-16 cs.AI cs.IR
The Vocabulary Gap Is an Equity Gap: Register Mismatch in Retrieval Systems for Public-Benefits Access
Dartmouth College（达特茅斯学院）
本研究发现公共福利检索系统存在语域不匹配的公平差距，构建基准后证实平实语域检索性能大幅下降，提出词汇桥接方法可有效缓解该问题，贡献了相关评估与缓解方案。
2026-09-03 cs.IR
Multi-Modal Retrieval using Graph Neural Networks
Adobe Inc.（奥多比公司）
大多数现实世界的图像检索应用程序，如Adobe Stock，这是一个股票摄影和插图的市场，需要一种方法，让用户找到图像，这是视觉上（即美学）和概念上（即包含相同的显着对象）作为查询图像。从图像中学习视觉语义表示是图像检索的一个研究热点。基于图像概念或属性的过滤传统上是通过基于索引的过滤（例如，基于文本标签）或通过在基于初始视觉嵌入的检索之后重新排序来实现的。在本文中，我们学习了在同一个高维空间中的联合视觉和概念嵌入。这个联合模型为用户提供了对结果集语义的细粒度控制，使他们能够更快地探索图像目录。我们将视觉和概念关系建模为图结构，通过节点邻域捕获丰富的信息。这种图结构帮助我们使用图神经网络学习多模态节点嵌入。我们还介绍了一种新的推理时间控制，基于选择性的邻域连接，允许用户控制的检索算法。我们评估这些多模态嵌入定量的下游相关任务的图像检索MS-COCO数据集和定性的MS-COCO和Adobe股票数据集。
2020-10-04 cs.IR cs.LG
Are They the Same Picture? Adapting Concept Bottleneck Models for Human-AI Collaboration in Image Retrieval
University of Michigan（密歇根大学）；Massachusetts Institute of Technology（麻省理工学院）
针对现有图像检索AI模型可解释性与可校正性不足、人在回路方式耗费人力的问题，研究提出适配概念瓶颈模型的CHAIR方法，支持人类校正中间概念与灵活介入，无介入时性能优于同类模型，结合人类介入可实现人机互补。
2024-07-12 cs.AI cs.CV cs.IR
Ontology-driven personalized information retrieval for XML documents
Research Laboratory in Computer Science (LARI), Department of Computer Science（计算机科学研究实验室（LARI），计算机科学系）；The Kyoto College of Graduate Studies for Informatics（信息科学研究生学院）
本文提出基于本体的个性化XML文档信息检索方法，通过整合领域本体和用户画像，提升检索效果，实现更精准的个性化匹配。
2026-07-30 cs.IR cs.LG
Exploring a Multidimensional Representation of Documents and Queries (extended version)
在信息检索（IR）中，无论是隐式还是显式，查询和文档通常表示为向量。然而，将文档和/或查询视为多维对象可能更有益。我们相信这将允许构建“真正的”交互式IR系统，即，其中互动是完全纳入IR框架。量子物理的概率形式主义将事件和密度表示为多维对象。本文介绍了我们的第一步，建立一个互动的IR框架后，这种形式主义，说明如何检索过程中的第一次互动，当用户类型的查询，可以正式化。我们的框架依赖于一些影响最终文档排序的参数。在本文中，我们通过实验研究这些参数的影响，表明所提出的表示文档和查询的多维对象可以与标准的方法竞争，与额外的前景被应用到交互式检索。
2010-02-18 cs.IR
Improving Scientific Document Retrieval with Academic Concept Index
Korea University Seoul South Korea；University of Illinois Urbana-Champaign Champaign United States；Texas A\&M University College Station United States；Yonsei University Seoul South Korea；Pohang University of Science；Korea University；University of Illinois Urbana-Champaign；Texas A\&M University；Yonsei University
针对通用检索器在科学领域因词汇和需求不匹配而表现不佳的问题，提出基于学术概念索引的方法，通过概念覆盖查询生成和概念聚焦上下文扩展，提升查询质量和检索性能。
2026-06-18 cs.AI cs.IR
Text-Video Retrieval with Disentangled Conceptualization and Set-to-Set Alignment
Peking University（北京大学）；Peking University Shenzhen Graduate School（北京大学深圳研究生院）；Peng Cheng Laboratory（鹏城实验室）；Tsinghua University（清华大学）
本文提出DiCoSA方法，通过解耦概念化将粗粒度特征划分为语义潜在因子，并采用自适应池化的集合到集合对齐解决部分匹配问题，在五个数据集上实现高效细粒度的文本-视频检索并超越现有最先进方法。
2023-05-20 cs.AI cs.CV cs.IR
Scientific Paper Retrieval with LLM-Guided Semantic-Based Ranking
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Korea University（韩国大学）
针对现有科学论文检索方法难捕捉细粒度科学概念、LLM查询理解缺乏语料知识锚定的问题，提出结合LLM引导查询理解与概念语义索引的SemRank框架，实现精准语义匹配，提升检索性能且保持高效。
2025-10-06 cs.AI cs.CL cs.IR
A Hybrid Citation Retrieval Algorithm for Evidence-based Clinical Knowledge Summarization: Combining Concept Extraction, Vector Similarity and Query Expansion for High Precision
Northwestern University Feinberg School of Medicine（西北大学范伯格医学院）；Bluhm Cardiovascular Institute of Northwestern Medicine（西北大学布鲁姆心血管研究所）；University of Kansas Medical Center（堪萨斯大学医学中心）
新的信息检索方法，以确定引文相关的临床主题，可以克服知识差距之间存在的主要文献（MEDLINE）和在线临床知识资源，如UpToDate。直接检索MEDLINE数据库或使用查询扩展方法检索MEDLINE数据库会返回大量与查询无关的引文。目前的研究提出了一个引文检索系统，检索引文的循证临床知识总结。该方法结合了查询扩展、基于概念的筛选算法和基于概念的向量相似度。我们还提出了一个信息抽取框架自动概念（人口，干预，比较和疾病）提取。我们评估了我们提出的系统上的所有主题（查询）从UpToDate两种疾病，心力衰竭（HF）和心房颤动（AFib）。根据UpToDate中可用的引用金标准，该系统在HF主题上的总体F分数为41.2%，在AFib主题上的总体F分数为42.4%。与基于查询扩展的基线（HF的F评分为1.3%，AFib为2.2%）和使用疾病下位词和期刊名称、基于概念的筛选和基于术语的向量相似性系统（HF的F评分为37.5%，AFib为39.5%）的查询扩展的系统相比，这一数值显著较高。使用前K个相关引文评估系统，其中K是金标准中的引文数量，HF主题的总体F分数为69.9%，AFib主题为75.1%。此外，当对10个HF和6个AFib临床主题进行测试时，系统每个主题检索到多达18个新的相关引文。
2016-09-06 cs.CL cs.IR
Aligning Sentence Embeddings to Human Concepts via Sparse Autoencoders
提出使用Top-k稀疏自编码器解耦句子嵌入，使其特征与语义、句法等人类概念对齐，并通过激活引导机制实现可解释的检索重排序。
2026-07-02 cs.AI cs.IR
Spatio-Temporal Small Worlds for Decentralized Information Retrieval in Social Networking
我们讨论的基础和替代方案，基于代理的信息检索（IR）的方法在社交网络，特别是分散和移动社交网络的情况。除了通常的语义背景，这些方法利用长期的社会和时空背景，以满足有意识的以及无意识的信息需求，根据人类IR语言学。使用一个大型的Twitter数据集，我们调查这些方法，特别是调查的问题，在多大程度上的时空背景可以作为一个概念的括号，涉及社会和语义的凝聚力，从而产生时空小世界的概念。
2012-09-13 cs.IR cs.SI physics.soc-ph
Conceptualizing Machine Learning for Dynamic Information Retrieval of Electronic Health Record Notes
MIT（麻省理工学院）；Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心）
本文提出利用 EHR 审计日志监督临床笔记相关性，并在急诊科动态检索任务中实现 0.963 AUC，用户研究验证其可提升信息检索效率。
2023-08-09 cs.CL cs.IR cs.LG
3D Model Retrieval Based on Semantic and Shape Indexes
Sidi Mohamed Ben Abdellah University（西迪·穆罕默德·本·阿卜杜拉大学）
在网络上使用或存储在数据库中的3D模型的大小变得越来越高。然后，一种有效的方法，允许用户找到类似的3D对象为给定的3D模型查询已成为必要的。关键词和三维模型的几何形状不包含语义信息，不能满足用户检索的需要。提出了一种结合语义概念和形状索引的三维模型检索方法。为了获得这些概念，我们使用机器学习的方法来标记三维模型的k-means算法在措施和形状指标空间。此外，语义概念已组织和表示的本体语言OWL和空间关系被用来消除歧义之间的模型相似的外观。SPARQL查询语言已被用来质疑在这种语言中显示的信息，并计算两个3D模型之间的相似性。我们解释我们的结果使用普林斯顿形状基准数据库和结果显示的性能所提出的新方法来检索3D模型。关键词：三维模型，三维检索，度量，形状索引，语义，本体
2011-11-28 cs.AI cs.CV cs.IR
MMed-Bench-IR: A Heterogeneous Benchmark for Multilingual Medical Information Retrieval
Seoul National University（首尔国立大学）；Seoul National University College of Medicine（首尔国立大学医学院）；Seoul National University Hospital（首尔国立大学医院）
针对临床RAG的多语言检索需求，提出MMed-Bench-IR基准，涵盖跨语言对齐、概念区分和证据检索三种异构任务，评估6种语言下10个系统，发现生物医学编码器在英语与日语间性能差距巨大。
2026-06-24 cs.AI cs.CL cs.IR
Using Arabic Wordnet for semantic indexation in information retrieval system
University Abou Bekr Belkaid（阿布·贝克尔·贝尔卡伊德大学）
在阿拉伯语本体论指导下的阿拉伯语信息检索系统（IRS）中，为了使IRS更好地响应用户需求，本文旨在利用从阿拉伯语Wordnet中提取的最佳概念来表示文档和查询。从文档和查询中提取属于阿拉伯语WordNet同义词集的已识别概念，并扩展具有单一意义的概念。然后，IRS使用扩展的查询来检索所搜索的相关文档。我们的实验主要基于一个中等规模的阿拉伯语语料库。所获得的结果表明，阿拉伯IRS的性能在全球范围内有所改善。
2013-06-19 cs.CL cs.IR
Using Hierarchical Controlled Vocabularies to Understand CLIP Retrieval Failures in Historical Photo Collections
TIB – Leibniz Information Centre for Science and Technology（TIB - 莱布尼茨科技信息中心）；L3S Research Center, Leibniz University Hannover（L3S研究中心，汉诺威莱布尼茨大学）；Marburg University（马尔堡大学）；Hessian Center for Artificial Intelligence (hessian.AI)（黑森人工智能中心 (hessian.AI)）；Goethe University Frankfurt（法兰克福歌德大学）；University Library Frankfurt（法兰克福大学图书馆）
研究探讨用AAT词汇表的根面类型和层次深度解释CLIP在历史照片集检索的成败及微调作用，通过三个标注集研究视觉连贯性等指标，发现两指标可区分失败模式，根面类型有区分作用，微调对层次浅的术语更有效。
2026-07-23 cs.DL cs.IR
GRAPHENE: A Precise Biomedical Literature Retrieval Engine with Graph Augmented Deep Learning and External Knowledge Empowerment
Weill Cornell Medical College, Cornell University（康奈尔大学威尔康奈尔医学院）；Weill Cornell Medicine（威尔康奈尔医学中心）
有效的生物医学文献检索（BLR）在精准医学信息学中起着核心作用。在本文中，我们提出了GRAPHENE，这是一个基于深度学习的精确BLR框架。GRAPHENE由三个主要的不同模块组成：1）图形增强文档表示学习; 2）查询扩展和表示学习; 3）学习排序生物医学文章。图增强文档表示学习模块构建包含生物医学概念节点和文档节点的文档-概念图，以便可以捕获来自外部知识源的全局生物医学相关概念，其进一步连接到BiLSTM，以便可以探索局部和全局主题。查询扩展和表示学习模块使用缩写和不同名称扩展查询，然后构建基于CNN的模型来卷积扩展的查询并获得每个查询的向量表示。学习排序最小化生物医学文章与查询之间的排序损失以学习检索功能。将我们的系统应用于TREC精准医学跟踪数据的实验结果证明了其有效性。
2019-11-20 cs.CL cs.DL cs.IR
AI Co-Scientist for Knowledge Synthesis in Medical Contexts: A Proof of Concept
Methodological Implementation Research, Ottawa Hospital Research Institute（方法实施研究，渥太华医院研究所）；School of Engineering Design and Teaching Innovation, University of Ottawa（工程设计与教学创新学院，渥太华大学）
本研究提出了一种基于PICOS的AI合作者，通过整合知识图谱和自然语言处理技术，提升医疗领域证据综合的可扩展性、透明性和效率。
2026-01-16 cs.AI cs.IR
Performance Evaluation in Multimedia Retrieval
针对多媒体检索实验因用例特异性强难以对比复现的问题，提出可表述检索实验全维度的形式化模型，并配套灵活开源评估基础设施，以降低实验门槛、提升可复现性。
2024-10-09 cs.IR cs.MM
Viveka-Insight: a cross-lingual concept graph and citation-grounded retrieval resource over the complete works of Swami Vivekananda in English and Bengali
Ramakrishna Mission Vivekananda Educational and Research Institute（罗摩克里希那传教会维韦卡南达教育与研究学院）
Viveka-Insight构建了维韦卡南达英孟双语非平行语料库的跨语言概念图与检索资源，通过四层结构实现引文可验证的跨语言检索，精确率0.60，可迁移至其他经典语料库。
2026-09-18 cs.CL cs.DL cs.IR
Automated Query Learning with Wikipedia and Genetic Programming
Aalto University School of Economics（阿尔托大学经济学院）
现有的信息检索系统大多是基于词袋模型的，没有配备公共世界知识。通过使用智能算法来生成搜索查询，已经朝着提高这种系统的效率进行了工作，然而，在将人类和社会层面的知识纳入查询的方向上没有进行太多的研究。本文是第一次尝试，这些信息被纳入使用维基百科语义的搜索查询。本文提出了一个基本的转变，从传统的基于令牌的查询，以概念为基础的查询，从而提高效率的信息检索系统。为了有效地处理自动查询学习问题，我们提出了基于维基百科的进化语义（Wiki-ES）框架，其中基于概念的查询学习使用共同进化的进化过程。学习概念为基础的查询，使用智能进化过程产生显着的改善性能，这是通过广泛的研究，使用路透社新闻专线文件。与其他信息检索系统的建议框架进行比较。基于概念的方法也已经在其他信息检索系统上实现，以证明从基于标记的查询到基于概念的查询的转换的有效性。
2010-12-03 cs.AI cs.IR cs.LG
