SRTK: A Toolkit for Semantic-relevant Subgraph Retrieval
针对KBQA中子图检索缺乏工具、依赖旧图谱及技术整合不足的问题,提出SRTK工具包,支持跨图谱全流程检索并提供最新算法。
2023-06-22 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
Semantic Boolean Arabic Information Retrieval
阿拉伯语是使用最广泛的语言之一。这种语言具有复杂的形态结构,被认为是最多产的语言之一。因此,阿拉伯语信息检索(AIR)模型需要特定的技术来处理这种复杂的形态结构。本文旨在开发一个集成的AIR框架。列举和分析了AIR系统中使用的各种信息检索方法和技术,如查询处理、词干提取和索引等。我们得出结论,AIR框架在索引、布尔模型、潜在语义分析(LSA)、潜在语义索引(LSI)和语义排序等方面存在处理语义的弱点。为此,本文提出了语义布尔信息检索框架。实现了该模型,并对该模型的查准率、查全率和运行时间进行了测试,并与传统的信息检索模型进行了比较。
2015-12-10 cs.IR
SDR-CIR: Semantic Debias Retrieval Framework for Training-Free Zero-Shot Composed Image Retrieval
Wuhan University of Technology(武汉理工大学);Wuhan Vocational College of Software and Engineering(武汉软件工程职业学院)
SDR-CIR通过语义去偏排名方法提升无训练零样本复合图像检索性能。
2026-02-05 cs.IR
Information Retrieval (IR) through Semantic Web (SW): An Overview
大量的数据存在于网络上。它包含了大量的网页,从中找到合适的信息是非常繁琐的任务。有必要以正式方式组织数据,以便用户能够容易地访问和使用它们。为了从文档中检索信息,我们有许多信息检索(IR)技术。目前的IR技术还没有那么先进,他们可以利用文档中的语义知识,并给出精确的结果。IR技术是主要因素负责处理语义Web(SW)语言的注释,并在本文中用于检索信息的知识表示语言进行了讨论。
2014-03-27 cs.IR
Leveraging Semantic and Lexical Matching to Improve the Recall of Document Retrieval Systems: A Hybrid Approach
搜索引擎通常遵循两阶段范例,其中在第一阶段(检索阶段)中检索初始文档集,并且在第二阶段(重新排序阶段)中对文档进行重新排序以获得最终结果列表。虽然深度神经网络在以前的工作中被证明可以提高重新排序阶段的性能,但是很少有文献关于使用深度神经网络来提高检索阶段。在本文中,我们研究了深度神经网络模型和词汇模型相结合的检索阶段的优点。提出了一种利用语义(基于深度神经网络)和词汇(基于关键字匹配)检索模型的混合方法。我们进行了实证研究,使用公开的TREC集合,这表明了我们的方法的有效性,并揭示了语义方法,词汇方法,以及它们的组合的不同特点。
2020-10-02 cs.IR
Semantic-enhanced Modality-asymmetric Retrieval for Online E-commerce Search
本文提出SMAR模型,通过融合商品视觉与文本信息解决电子商务搜索中查询单模态、商品多模态的非对称检索问题,显著提升了检索准确率并开源了工业数据集。
2025-06-25 cs.IR
Beyond Lexical: A Semantic Retrieval Framework for Textual SearchEngine
搜索引擎已经成为各种Web和移动应用程序中的基本组件。对于搜索引擎系统来说,从海量数据集中检索相关文档是一个挑战,尤其是在面对冗长或尾查询时。在本文中,我们探讨了一个向量空间搜索框架的文件检索。具体来说,我们训练了一个深度语义匹配模型,这样每个查询和文档都可以被编码为低维嵌入。我们的模型是基于BERT架构训练的。我们部署了一个快速的k-最近邻索引服务的在线服务。离线和在线指标表明,我们的方法大大提高了检索性能和搜索质量,特别是对尾部
2020-08-10 cs.IR
Tutorial: Modern Theoretical Tools for Understanding and Designing Next-generation Information Retrieval System
在相对较短的机器学习历史中,工程和理论进步之间的微妙平衡在各个阶段都被证明是至关重要的。最近的人工智能浪潮为IR社区带来了强大的技术,特别是模式识别。虽然随着许多任务在算法上变得可行,许多想法的爆发带来了许多好处,但平衡正在向应用程序一侧倾斜。现有的国际关系理论工具已经不能解释、指导和证明新建立的方法论。其后果可能是痛苦的:与IR行业所设想的现代人工智能使生活更轻松形成鲜明对比的是,许多人在数据操作、模型选择、监控、审查和决策方面遇到了越来越多的困惑和成本。这种现实并不奇怪:没有现成的理论工具,我们往往缺乏对模式识别模型的表达能力、优化属性、泛化保证的原则性知识,我们的决策过程不得不不时地依赖于过于简化的假设和人类的判断。现在是时候为社区提供一个系统的教程,介绍我们如何成功地适应这些工具,并在理解,设计和最终生产有影响力的IR系统方面取得重大进展。我们强调系统性,因为IR是一个全面的学科,涉及学习,因果推理分析,互动(在线)决策等特定方面,因此需要系统的校准,使进口的理论工具,以服务IR问题的实际效用,因为它们通常表现出独特的结构和定义。因此,我们计划本教程系统地展示我们的学习和使用先进的理论工具来理解和设计IR系统的成功经验。
2022-03-26 cs.IR
Entity-Duet Neural Ranking: Understanding the Role of Knowledge Graph Semantics in Neural Information Retrieval
本文提出了一种将知识图谱引入神经搜索系统的神经元排序模型EDRM。EDRM通过它们的单词和实体注释来表示查询和文档。知识图谱的语义被集成在其实体的分布式表示中,而排名由基于交互的神经网络进行。这两个组件是端到端学习的,使EDRM成为面向实体的搜索和神经信息检索的自然组合。我们在商业搜索日志上的实验证明了EDRM的有效性。我们的分析表明,知识图谱语义显着提高神经排序模型的泛化能力。
2018-06-03 cs.IR
Approaches, Challenges and Future Direction of Image Retrieval
本文试图讨论检索方法的演变,重点是图像检索的发展,面临的挑战和未来的发展方向。它突出了已经处理的和悬而未决的问题。图像数据的爆炸式增长导致了图像检索技术的研究和发展。然而,图像检索的研究正在从关键字,低层次的特征和语义特征。语义特征的驱动是由于关键字的问题,这可能是非常主观和耗时的,而低级别的功能不能总是描述高级别的概念,在用户的头脑。因此,在图像描述符和高级语义之间引入了被称为语义间隙的解释不一致性。本文还讨论了语义鸿沟问题,用户查询机制,以及常用的方法来弥补差距的图像检索。
2010-06-23 cs.IR
SSEmb: A Joint Structural and Semantic Embedding Framework for Mathematical Formula Retrieval
SSEmb通过图对比学习和Sentence-BERT联合建模公式的结构与语义,在ARQMath-3上显著提升检索性能,并与Approach0结合达到最优。
2025-08-07 cs.IR
MedGraph: An experimental semantic information retrieval method using knowledge graph embedding for the biomedical citations indexed in PubMed
本文研究了生物医学数字图书馆中的语义搜索问题。首先,我们介绍MedGraph,一个知识图谱嵌入为基础的方法,提供语义相关性检索和排名的生物医学文献索引在PubMed。其次,我们使用PubMed的最佳匹配算法评估我们的方法。此外,我们比较我们的方法MedGraph传统的TFIDF算法。我们使用从PubMed中提取的数据集,包括3000万篇文章的元数据,如摘要,作者信息,引用信息和提取的生物实体提及。我们通过拉取数据集的一个子集来使用预定义的查询和真实排名结果来评估MedGraph。据我们所知,这种技术在生物医学信息检索中还没有被探索过。此外,我们的研究结果提供的证据表明,语义的方法来搜索和相关性的生物医学数字图书馆,依赖于知识图谱建模提供更好的搜索相关性的结果相比,传统的方法在客观的指标。
2021-12-14 cs.IR
Multi-view Semantic Matching of Question retrieval using Fine-grained Semantic Representations
问题检索作为问答系统的一项关键任务,受到了学术界和工业界的广泛关注。以前的解决方案主要集中在翻译模型、主题模型和深度学习技术上。与以前的解决方案不同,我们建议通过分配给每个关键字的学习重要性得分来构建问题的细粒度语义表示,以便我们可以使用这些不同长度的语义表示来实现细粒度问题匹配解决方案。因此,我们提出了一个多视图语义匹配模型,重用的重要关键字在多个语义表示。作为构建细粒度语义表示的关键,我们首次使用跨任务弱监督提取模型,该模型应用问题-问题标记信号来监督关键字提取过程(即学习关键字重要性)。该抽取模型将深度语义表示和词汇匹配信息与统计特征相结合来估计关键词的重要性。我们在三个公共数据集上进行了大量的实验,实验结果表明,我们提出的模型显着优于最先进的解决方案。
2023-02-16 cs.IR
Optimizing Question Semantic Space for Dynamic Retrieval-Augmented Multi-hop Question Answering
针对多跳问答中单步检索语义不匹配及子问题依赖处理成本高的问题,提出Q-DREAM框架,通过问题分解、依赖优化和动态检索三模块协同,显著提升跨域问答准确率与检索效率。
2025-05-31 cs.IR
R2LED: Equipping Retrieval and Refinement in Lifelong User Modeling with Semantic IDs for CTR Prediction
Xi’an Jiaotong University(西安交通大学);University of Edinburgh(爱丁堡大学);Nanyang Technological University(南洋理工大学);Jilin University(吉林大学);Zhejiang University of Technology(浙江工业大学)
R2LED通过引入多路由混合检索和双级融合细化,利用语义ID提升终身用户建模在CTR预测中的性能与效率。
2026-02-06 cs.IR
Explore Entity Embedding Effectiveness in Entity Retrieval
研究了adhoc实体检索中实体嵌入的有效性,将实体的分布式表示引入到实体检索中。知识图谱包含大量的知识,用结构良好的表示形式来描述实体的语义关系。实体嵌入从知识图谱中学习大量的语义信息,用低维的表示方法表示实体,为实体检索提供了在查询相关实体和候选实体之间建立交互的机会。实验结果表明,基于实体嵌入的检索模型比现有的基于学习排序的实体检索模型性能提高了5%以上.进一步的分析表明,实体语义匹配特征是有效的,特别是对于需要更多语义理解的场景。
2019-08-28 cs.IR
Semantic Table Retrieval using Keyword and Table Queries
Web上的表格以结构化的形式包含大量的知识。为了利用这一宝贵的资源,我们解决了表检索的问题:回答一个信息需要与表的排名列表。我们调查这个问题在两个不同的变体,根据信息需求是如何表达的:作为一个关键字查询或作为一个现有的表(“查询表”)。这项工作的主要新的贡献是一个语义表检索框架匹配的信息需求(关键字或表查询)对表。具体来说,我们(i)表示查询和表在多个语义空间(离散稀疏和连续密集向量表示)和(ii)引入各种相似性的措施,以匹配这些语义表示。我们考虑所有可能的语义表示和相似性度量的组合,并将其用作监督学习模型中的特征。使用基于维基百科表格的两个专门构建的测试集合,我们展示了对最先进基线的显著和实质性改进。
2021-05-13 cs.IR
Ad Hoc Table Retrieval using Semantic Similarity
我们介绍和解决问题的特设表检索:回答一个关键字查询的排名表。这个任务不仅本身很有趣,而且还被用作许多其他基于表的信息访问场景(如表完成或表挖掘)的核心组件。这项工作的主要新贡献是一种方法,用于执行查询和表之间的语义匹配。具体来说,我们(i)表示查询和表在多个语义空间(离散稀疏和连续密集向量表示)和(ii)引入各种相似性的措施,以匹配这些语义表示。我们考虑所有可能的语义表示和相似性度量的组合,并将其用作监督学习模型中的特征。使用基于维基百科表格的专用测试集合,我们展示了在最先进的基线上的显着和实质性的改进。
2018-03-08 cs.IR
ESANS: Effective and Semantic-Aware Negative Sampling for Large-Scale Retrieval Systems
针对工业推荐检索阶段现有负采样技术存在假阴性、成本高、语义不足的问题,提出含EDIS和MSAC的ESANS方法,经实验验证其效率与性能更优。
2025-02-22 cs.IR
CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling
Zhejiang University(浙江大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
CART通过生成式模型和粗到细语义建模提升跨模态检索的效率与性能。
2025-11-30 cs.IR
MLAIRE: Multilingual Language-Aware Information Retrieval Evaluation Protocol
Korea University(韩国大学)
本文提出MLAIRE评估协议,用于评估多语言信息检索中语言感知维度,引入语言偏好率和Lang-nDCG等指标,分析语义检索与查询语言偏好之间的差异。
2026-11-04 cs.IR
Semantic Driven Fielded Entity Retrieval
基于知识的实体搜索的常见方法是将实体视为具有多个字段的文档。关注于在不同领域中匹配查询词的模型是用于搜索这样的实体表示的流行选择。这种模型的一个实例是FSDM(现场顺序依赖模型)。我们建议将字段级语义特征集成到FSDM中。我们使用FSDM来检索文档池,然后使用语义字段级特征来重新排列这些文档。我们建议将查询表示为术语袋和实体袋,并最终使用它们的密集向量表示来基于查询文档相似性计算语义特征。我们提出的重新排序方法实现了显着的改进,在DBpedia-Entity(v2)数据集上的实体检索现有的FSDM模型。具体来说,对于所有查询,我们在NDCG@10和NDCG@100中分别实现了2.5%和1.2%的显着改进。
2019-07-02 cs.IR
Exploring Auxiliary Context: Discrete Semantic Transfer Hashing for Scalable Image Retrieval
无监督哈希算法具有语义标签无关性、内存和搜索效率等优点,可以很好地支持基于内容的可伸缩图像检索。然而,由于图像表示的内在限制,学习的哈希码嵌入有限的判别语义。为了解决这个问题,在本文中,我们提出了一种新颖的哈希方法,称为\emph{Discrete Semantic Transfer Hashing}(DSTH)。其核心思想是\emph{directly}通过探索辅助上下文模态来增强离散图像哈希码的语义。为此,制定了一个统一的散列框架,同时保留图像的视觉相似性,并执行上下文模态的语义转移。此外,为了保证直接的语义传递和避免信息丢失,我们显式地施加离散约束,位不相关约束和位平衡约束的哈希码。提出了一种新颖有效的基于增广拉格朗日乘子的离散优化方法,用于迭代求解优化问题。整个学习过程具有线性的计算复杂度和良好的可扩展性。在三个基准数据集上的实验证明了DSTH与几种最先进的方法相比的优越性。
2019-04-25 cs.IR
Treatment of Semantic Heterogeneity in Information Retrieval
处理语义异构的第一步应该是尝试丰富文档的语义信息,即自动填充文档元数据中的空白。第2节描述了一套级联演绎和启发式提取规则,这是在项目CARMEN开发的社会科学领域。不同术语之间的映射可以通过使用智能、统计和/或神经网络传输模块来完成。知识转移使用不同分类方案或叙词表之间的交叉索引。第3节描述了此类转让的创建、存储和处理。
2011-02-18 cs.IR
Beyond Semantic IDs: Encoding Business-Value Ranking into Document Identifiers for Generative Retrieval
Taobao & Tmall Group of Alibaba(阿里巴巴淘宝天猫集团)
研究针对生成式检索中DocID设计问题,提出CRID方法,将DocID解耦并支持增量更新,引入分析框架揭示语义聚类大小作用,实验表明该方法在淘宝语料库上超基线,全流量部署提升了商品交易总额。
2026-08-31 cs.IR
Semantic Modelling with Long-Short-Term Memory for Information Retrieval
在本文中,我们解决了以下问题,在Web文档和信息检索(IR):我们如何使用长期的上下文信息,以获得更好的IR性能?与使用词袋表示查询和文档的常见IR方法不同,我们将它们视为单词序列,并使用长短期记忆(LSTM)来捕获上下文依赖关系。据我们所知,这是LSTM首次应用于信息检索任务。由于信息检索问题的特殊性,训练策略与传统的LSTM不同。来自Bing网络搜索的IR任务的实验评估表明,所提出的方法在解决词汇不匹配和长期的上下文建模问题的能力,从而显着优于现有的最先进的方法的Web文档检索任务。
2015-02-27 cs.IR
SSR-GRPO: Integrating Supervision and Semantic IDs into Reinforcement Learning for Dense Retrieval in E-commerce
Alibaba Group(阿里巴巴集团)
该研究针对电商嵌入检索的语义处理难题,提出SSR-GRPO模型,通过双视角相关性评估、难负样本挖掘等策略优化R-GRPO,经实验验证有效并已部署于大规模电商平台。
2026-08-21 cs.IR
Keyword-Based Diverse Image Retrieval by Semantics-aware Contrastive Learning and Transformer
针对跨模态图像检索中相关性与多样性难以平衡的问题,提出CoLT方法,通过语义感知对比学习、Transformer token分类器及后处理算法提升检索多样性,在两个真实数据集上F1分数优于现有方法。
2023-05-06 cs.IR
Towards Personalized and Semantic Retrieval: An End-to-End Solution for E-commerce Search via Embedding Learning
如今,电子商业搜索已经成为许多人购物常规中不可或缺的一部分。在当今的电子商业搜索中存在两个关键挑战:如何检索语义相关但与查询词不精确匹配的项目,以及如何检索对于相同搜索查询的不同用户而言更加个性化的项目。在本文中,我们提出了一种称为DPSR的新方法,它代表深度个性化和语义检索,以解决这个问题。解释,我们分享我们的设计决策,如何架构一个检索系统,以有效地服务于行业规模的交通,以及如何训练模型,以准确地学习查询和项目语义。基于离线评估和实时流量的在线A/B测试,我们表明DPSR模型优于现有模型,DPSR系统可以检索更多个性化和语义相关的项目,显着改善用户的搜索体验+1.29%的转换率,特别是长尾查询+10.03%。因此,自二零一九年起,我们的DPSR系统已成功应用于JD.com的搜索产品。
2020-06-05 cs.IR
Learning Discriminative Representations for Semantic Cross Media Retrieval
不同模态之间的异质性间隙是现代人工智能问题中的关键问题之一。与传统的单模态情况下,原始特征提取和直接测量,跨模态任务的异构性需要在一个统一的框架内进行比较的内在语义表示。本文研究了跨不同情态内容的不同表征的学习。提出了一种在Hilbert空间中引入显式线性语义投影的跨模态表示挖掘方法。我们的见解是,不同模态数据的判别结构可以在适当的高维希尔伯特空间中线性表示,其中线性运算可以用于近似原始空间中的非线性决策。因此,针对多模态数据联合学习有效的线性语义向下映射,从而产生可以比较它们的公共空间。"特征上抬下射"机制作为一个整体无缝地工作,很好地完成了跨模态检索任务。该方法被命名为共享判别语义表示学习(\textbf{SDSRL}),在两个公开的多模态数据集上进行测试,用于模态内和模态间检索。实验表明,在大多数情况下,它的性能优于几种最先进的方法。
2015-11-18 cs.IR
A Discriminative Semantic Ranker for Question Retrieval
相似问题检索是社区问答服务的核心任务。为了平衡有效性和效率,问题检索系统通常被实现为多阶段排名器:第一阶段排名器旨在从大型存储库中召回潜在相关的问题,并且后面的阶段尝试对检索到的结果进行重新排名。现有的问题检索研究主要集中在重排序阶段,而第一阶段的排序则采用传统的基于词项的方法。然而,基于术语的方法经常遭受词汇不匹配的问题,特别是在短文本上,这可能会在一开始就阻止重新排序者进行相关的问题。另一种方法是对第一阶段的排名采用基于嵌入的方法,该方法将文本压缩成密集向量以增强语义匹配。然而,这些方法往往失去了基于术语的方法的区分能力,从而在检索过程中引入噪声,损害召回性能。在这项工作中,我们的目标是解决困境的第一阶段排名,并提出了一个歧视性的语义排名,即DenseTrans,高召回检索。具体来说,DenseTrans是一个密集连接的Transformer,它基于Transformer层学习文本的语义嵌入。同时,DenseTrans通过密集连接提升低级特征,以保持学习表征的区分能力。DenseTrans的灵感来自于计算机视觉(CV)中的DenseNet,但提出了一种新的方式来使用密集连接,这与其最初的设计目的完全不同。在两个问题检索基准数据集上的实验结果表明,我们的模型可以获得显着的收益,对强大的基于术语的方法,以及最先进的基于嵌入的方法的召回。
2021-07-18 cs.IR
Out-of-Domain Semantics to the Rescue! Zero-Shot Hybrid Retrieval Models
基于预训练语言模型(例如,BERT)的深度检索模型在许多段落检索任务中取得了优于词汇检索模型(例如,BM 25)的性能。然而,有限的工作已经做了推广到其他任务和领域的深度检索模型。在这项工作中,我们仔细选择了五个数据集,包括两个域内数据集和三个具有不同程度的域偏移的域外数据集,并研究了深度模型在zero-shot设置下的泛化。我们的研究结果表明,当目标域与模型训练的源域非常不同时,深度检索模型的性能会显著恶化。相反,词汇模型在跨域中更鲁棒。因此,我们提出了一个简单而有效的框架来整合词汇和深度检索模型。我们的实验表明,这两个模型是互补的,即使当深层模型在域外设置较弱。在三个域外数据集上,混合模型比深度检索模型平均获得20.4%的相对增益,比词汇模型平均获得9.54%的相对增益。
2022-01-25 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
POI Semantic Model with a Deep Convolutional Structure
在电子地图的使用过程中,兴趣点检索是首要的、重要的一步,其质量直接影响到用户体验。用户查询与兴趣点信息之间的相似性是兴趣点检索中最关键的特征。准确的相似度计算是具有挑战性的,因为在键入错误的查询或别名查询的情况下,可能存在查询和检索文本之间的不匹配。本文提出了一种基于深度网络的兴趣点潜在语义模型,能够有效地提取查询特征和兴趣点信息特征进行相似度计算。该模型对复杂文本的语义信息进行了多层次的描述,通过对POI名称和详细地址分别建模,实现了多字段匹配。我们的模型进行了评估的POI检索排名数据集,包括相关性的标记数据和真实世界的用户点击数据的POI检索。结果表明,我们的模型显着优于我们的竞争对手在POI检索排名任务。该算法已成为每天为数百万人提供服务的在线系统的关键组成部分。
2019-03-18 cs.IR
Comprehensive Review on Semantic Information Retrieval and Ontology Engineering
本文围绕态势感知系统的知识整合与环境适应需求,对语义信息检索与本体工程进行快速综述,指出本体推理凭借正式灵活可扩展的知识框架可解决传统系统的局限,并梳理了新兴挑战与未来研究方向。
2023-07-25 cs.IR
MLLM-Driven Semantic Identifier Generation for Generative Cross-Modal Retrieval
提出词表高效的标识符生成框架,利用MLLMs从图文对生成结构化语义标识符,并结合理由引导监督策略减少幻觉,解决生成式跨模态检索中的语义对齐与可扩展性挑战。
2025-11-03 cs.IR
Plot Retrieval as an Assessment of Abstract Semantic Association
Institute of Computing Technology, CAS(中国科学院计算技术研究所)
本文构建低词重叠、重抽象语义关联的标注数据集 Plot Retrieval,并通过多类检索方法与人类对比,评估 IR 模型捕捉抽象语义关联的能力。
2023-11-03 cs.CL cs.IR
Multimodal semantic retrieval for product search
Amazon Luxembourg(亚马逊卢森堡);Amazon Spain(亚马逊西班牙)
本文面向电商商品搜索构建融合文本与商品图像的多模态表示,并在电商数据集上验证其可提升语义检索的购买召回或相关性准确率。
2025-02-17 cs.IR cs.LG
Is Semantic Chunking Worth the Computational Cost?
Vectara, Inc.(Vectara公司);University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本研究评估了RAG系统中语义分块在三个检索任务上的有效性,发现其计算成本未带来一致的性能提升,表明需要更高效的分块策略。
2024-10-16 cs.CL cs.IR
THUIR@COLIEE-2020: Leveraging Semantic Understanding and Exact Matching for Legal Case Retrieval and Entailment
Tsinghua University(清华大学)
在本文中,我们提出了我们的方法,以应对法律信息抽取/蕴涵2020(COLIEE-2020)竞争中的法律案例检索和蕴涵的挑战。我们参与了两个案例法任务,即,法律案例检索任务和法律案例蕴涵任务。任务1(检索任务)的目的是自动识别支持案例从判例法语料库给定一个新的情况下,和任务2(蕴涵任务),以确定具体的段落,需要在相关的情况下,一个新的案件的决定。在这两个任务中,我们采用神经模型进行语义理解,并采用传统的检索模型进行精确匹配。因此,我们的团队(TLIR)在任务1的所有团队中排名第二,在任务2的团队中排名第三。实验结果表明,结合语义理解和精确匹配的模式有利于法律案件检索任务,而法律案件蕴涵任务更依赖于语义理解。
2020-12-24 cs.AI cs.IR
Disentangled Contrastive Learning for Zero-Shot Multilingual Dense Retrieval
Beijing Jiaotong University(北京交通大学)
本文针对低资源语言检索数据稀缺问题,提出解耦对比学习方法,将多语言表示分离为语义与语言子空间,在mMARCO、MIRACL上的零样本多语言密集检索性能优于多个强基线。
2026-08-04 cs.CL cs.IR
Cross-Media Scientific Research Achievements Retrieval Based on Deep Language Model
Beijing University of Posts and Telecommunications(北京邮电大学)
科技大数据中包含大量跨媒体信息,科技论文中有图片也有文字,单一模态的检索方法不能很好地满足科研人员的需求,提出了一种基于深度语言模型(CARDL)的跨媒体科研成果检索方法,通过学习不同模态数据之间的语义关联,实现跨媒体语义的统一表示,将其应用于科研成果文本语义向量的生成,通过不同模态数据之间的语义相似度匹配实现跨媒体检索,实验结果表明,提出的CARDL方法取得了比现有方法更好的跨模态检索性能。关键词科技大数据;跨媒体检索;跨媒体语义联想学习;深度语言模型;语义相似度
2022-03-29 cs.AI cs.IR
HEISIR: Hierarchical Expansion of Inverted Semantic Indexing for Training-free Retrieval of Conversational Data using LLMs
Coxwave(考克斯威夫);Seoul National University(首尔大学)
本文提出免训练框架 HEISIR,通过分层三元组构建和附加语增强生成 SVOA 四元组语义索引,在保持低延迟的同时提升对话数据检索性能,且效果优于微调模型。
2025-03-06 cs.CL cs.IR
Purely Semantic Indexing for LLM-based Generative Recommendation and Retrieval
本文针对生成式推荐与检索中的语义ID冲突问题,提出纯语义索引方法,通过穷举候选匹配和递归残差搜索实现唯一ID分配,在不引入非语义token的情况下提升整体及冷启动性能。
2025-09-19 cs.CL cs.IR
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
Sparse Coverage: Semantic Center Representations for Patent Prior-Art Retrieval
Questel(奎斯特尔公司);Inria(法国国家信息与自动化研究所);Université Paris-Saclay(巴黎萨克雷大学)
针对专利现有技术检索的长文档特性,提出无监督语义检索框架Sparse Coverage,采用面向覆盖的k中心目标生成稀疏表示,在CLEF-IP 2013实验中其文档级召回率优于或媲美稠密专利编码器,可作为专利检索的有效第一阶段方法。
2026-08-19 cs.AI cs.IR
Multi-Step Semantic Reasoning in Generative Retrieval
University of Amsterdam(阿姆斯特丹大学)
本文提出ReasonGR框架,通过结构化提示策略和推理聚焦适应模块,提升生成检索在数值上下文中的多步语义推理能力,实验表明其在FinQA数据集上提升了检索准确性和一致性。
2026-03-12 cs.CL cs.IR
GuidedRAG: Semantic Steering of Retrieval-Augmented Generation
ETH Zürich(苏黎世联邦理工学院);University of Twente(特温特大学)
本研究提出新型RAG扩展GuidedRAG,通过检索前语义约束缩小搜索空间,大幅提升检索相关性、精度、效率及用户意图对齐度,且泛化至15种RAG变体,为改进RAG提供了强大范式。
2026-07-30 cs.AI cs.IR
Video Stream Retrieval of Unseen Queries using Semantic Memory
实时用户广播视频流的检索是一个未得到充分解决且日益相关的挑战。在线性质的问题需要时间评估和不可预见的范围内潜在的查询动机的方法,可以容纳任意的搜索查询。考虑到可能的查询的广度,我们采用了一种无示例的方法来进行查询检索,该方法使用查询的语义相关性来预先训练概念分类器。为了适应不断变化的视频内容,我们提出了内存池和内存溢出的方法,有利于最近的信息在很久以前的内容。我们确定了两个流检索任务,在任何特定的时间和连续检索在一个较长的时间内的瞬时检索,并提出了评估它们的方法。三个大规模的视频数据集是适应流检索的挑战。我们报告的结果,我们的搜索方法对新的流检索任务,以及证明其在传统的,非流视频任务的功效。
2016-12-20 cs.IR cs.MM
Content-based Image Retrieval and the Semantic Gap in the Deep Learning Era
Friedrich Schiller University Jena(耶拿弗里德里希·席勒大学)
基于内容的图像检索在过去十年中取得了惊人的进展,特别是对于检索查询图像中描述的同一对象的图像的任务。这种场景称为实例或对象检索,需要在图像之间匹配细粒度的视觉模式。然而,语义学并不起关键作用。这就带来了一个问题:实例检索的最新进展是否转移到更通用的图像检索场景?为了回答这个问题,我们首先简要概述实例检索的最相关的里程碑。然后,我们将它们应用于语义图像检索任务,发现它们在需要图像理解的环境中的表现不如更不复杂和更通用的方法。在此之后,我们回顾现有的方法来关闭这个所谓的语义差距,通过整合以前的世界知识。我们的结论是,语义图像检索的进一步发展的关键问题在于缺乏一个标准化的任务定义和适当的基准数据集。
2020-11-12 cs.CV cs.IR cs.MM
Designing Interfaces for Multimodal Vector Search Applications
本文针对单一搜索栏不适应多模态向量搜索的问题,利用 CLIP 模型探索新型交互能力,并提出实现方案与设计模式,帮助用户更有效地表达信息需求。
2024-09-18 cs.HC cs.IR
IRSC: A Zero-shot Evaluation Benchmark for Information Retrieval through Semantic Comprehension in Retrieval-Augmented Generation Scenarios
PengCheng Laboratory(鹏城实验室);Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Southern University of Science and Technology(南方科技大学)
本文提出IRSC基准,通过引入SSCI和RCCI新指标评估多语言RAG场景下嵌入模型的检索性能,揭示了其跨语言局限性,促进了准确检索系统的发展。
2024-09-26 cs.AI cs.IR
Improving Visual-Semantic Embeddings by Learning Semantically-Enhanced Hard Negatives for Cross-modal Information Retrieval
Loughborough University(拉夫堡大学)
视觉语义嵌入(VSE)的目的是提取图像及其描述的语义,并将它们嵌入到同一个潜在空间中,以实现跨模态的信息检索。大多数现有的VSE网络是通过采用硬负损失函数来训练的,该函数学习相关和不相关图像描述嵌入对的相似性之间的客观裕度。然而,硬否定损失函数中的客观裕度被设置为固定的超参数,其忽略不相关的图像-描述对的语义差异。为了解决在获得训练的VSE网络之前测量图像描述对之间的最佳相似性的挑战,本文提出了一种新的方法,该方法包括两个主要部分:(1)发现图像描述的底层语义;(2)提出了一种新的语义增强的硬否定损失函数,其中基于不相关的图像-描述对之间的最佳相似性分数来动态地确定学习目标。通过将所提出的方法集成到五个最先进的VSE网络中进行了广泛的实验,这些网络应用于三个跨模态信息检索任务的基准数据集。结果表明,所提出的方法取得了最佳的性能,也可以采用现有的和未来的VSE网络。
2023-02-14 cs.CV cs.IR