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
Compact Indexes for Flexible Top-k Retrieval
我们设计了一个基于自索引的检索系统，能够对top-k查询进行排名安全的评估。该框架概括了Culpepper等人（ESA 2010）的GREEDY方法来处理多项查询，包括短语。我们提出了两种技术，显着减少了广泛的流行的信息检索（IR）的相关性措施，如TFxIDF和BM 25的排名时间。首先，我们根据文档权重对文档数组中的元素进行重新排序。其次，我们引入了重复数组，它将Sadakane（JDA 2007）的文档频率结构推广到文档子集。结合文档和重复数组，我们实现了有吸引力的功能空间的权衡。我们提供了一个广泛的评估，我们的系统上TB大小的IR集合。
2014-06-12 cs.DS cs.IR
SLIM: Sparsified Late Interaction for Multi-Vector Retrieval with Inverted Indexes
SLIM通过将多向量映射到稀疏词汇空间并利用倒排索引实现高效检索，在保持与ColBERT相当准确性的同时，显著减小模型规模并提升CPU上的速度。
2023-05-08 cs.IR
Ultron: An Ultimate Retriever on Corpus with a Model-based Indexer
文献检索在索引检索框架下已经被广泛研究了几十年，它经受住了时间的考验。不幸的是，这种流水线框架限制了最终检索质量的优化，因为索引和检索是分离的阶段，不能以端到端的方式联合优化。为了统一这两个阶段，我们探讨了一个基于模型的索引文件检索。具体来说，我们提出了Ultron，它将所有文档的知识编码到模型中，旨在端到端地直接检索相关文档。对于基于模型的索引器来说，如何表示文档和如何训练模型是需要探索的两个主要问题。现有的解决方案遭受语义缺陷docids和有限的监督数据。为了解决这两个问题，首先，我们设计了两种类型的docids，更丰富的语义和更容易的模型推理。此外，我们提出了一个三阶段的训练工作流程，以捕获更多的知识包含在语料库和查询和docids之间的关联。在两个公共数据集上的实验证明了Ultron在文档检索方面优于高级基线。
2022-08-19 cs.IR
Efficient Inverted Indexes for Approximate Retrieval over Learned Sparse Representations
针对学习稀疏表示检索与传统倒排索引不兼容的问题，提出将倒排列表组织为带摘要向量的几何内聚块的Seismic方法，在MS MARCO数据集上实现亚毫秒级高召回检索，性能远超现有方案及BigANN挑战赛优胜方案。
2024-04-29 cs.IR
Searching Dense Representations with Inverted Indexes
本文探索用倒排索引替代 HNSW 对稠密向量进行 top-$k$ 检索，在 MS MARCO 上验证其可行且索引紧凑，但速度过慢，尚不具备实用价值。
2023-12-04 cs.IR
An Efficient Indexing and Searching Technique for Information Retrieval for Urdu Language
索引技术用于改进响应特定搜索条件的数据检索。倒排文件主要用于创建索引。本文提出了乌尔都语的索引技术。索引创建中的语言处理步骤因特定语言而异。我们将专门讨论乌尔都语的索引创建步骤。我们探索乌尔都语的形态规则，并实现这些规则来创建乌尔都语词干。我们实现我们提出的技术与不同的实现和比较结果。我们建议，索引应创建没有停止字，索引文件也应该是一个顺序索引文件。
2021-02-28 cs.IR
Faster Learned Sparse Retrieval with Block-Max Pruning
本文提出块最大剪枝（BMP）策略，通过将文档空间划分为连续块并动态聚合排序，结合安全提前终止准则，显著提升了学习型稀疏检索在安全与近似场景下的效率与精度权衡。
2024-05-02 cs.IR
Artifact Sharing for Information Retrieval Research
本文针对信息检索研究中索引等工件缺乏统一共享方式的问题，提出一种灵活且可互操作的工件共享方案，以提升工件的可发现性与复用性。
2025-05-08 cs.IR
Learning Passage Impacts for Inverted Indexes
神经信息检索系统通常使用级联流水线，其中第一阶段模型检索文档的候选集合，并且一个或多个后续阶段使用诸如BERT的上下文化语言模型来对该集合重新排序。在本文中，我们提出了DeepImpact，一种新的文档项加权方案，适用于使用标准的倒排索引进行高效检索。与现有方法相比，DeepImpact改进了影响评分建模，并解决了词汇不匹配问题。特别是，DeepImpact利用DocT5Query来丰富文档集合，并使用上下文化的语言模型，直接估计文档中标记的语义重要性，为每个文档中的每个标记生成单值表示。我们的实验表明，DeepImpact在有效性指标w.r.t.上显著优于先前的第一阶段检索方法高达17%。DocT5Query和，当部署在重新排名场景中时，可以达到与最先进方法相同的有效性，效率加速高达5.1倍。
2021-04-24 cs.IR
Compact and Efficient Indexes for Learned Sparse Retrieval
ISTI–CNR（ISTI-CNR）；University of Pisa（比萨大学）；Linkup 1
本文基于SEISMIC优化倒排与正向索引，提出紧凑高效的学习型稀疏检索索引方案，在MS MARCO上的实验显示其速度与内存占用均优于现有方案。
2026-10-09 cs.DB cs.IR
Operational Advice for Dense and Sparse Retrievers: HNSW, Flat, or Inverted Indexes?
本文基于 Lucene 在 BEIR 上比较 HNSW、flat（含量化变体）与稀疏倒排索引，从索引时间、查询性能和检索质量给出稠密与稀疏检索器的选型建议。
2024-09-10 cs.IR
Bottleneck-Minimal Indexing for Generative Document Retrieval
Waseda Research Institute for Science and Engineering, Waseda University（早稻田大学科学与工程研究所）；The University of Tokyo（东京大学）；Waseda University（早稻田大学）
本研究从信息论视角分析生成式文档检索的索引瓶颈问题，基于香农率失真理论提出瓶颈最小化索引方法，在NQ320K与MARCO数据集上表现优于现有索引方法。
2024-05-21 cs.AI cs.CL cs.IR
Pairing Clustered Inverted Indexes with kNN Graphs for Fast Approximate Retrieval over Learned Sparse Representations
本文提出 SeismicWave，通过按重要性顺序遍历倒排块并利用 kNN 图扩展候选文档，在保持几乎精确准确率的同时将 Seismic 的近似检索速度提升至 2.2 倍。
2024-08-08 cs.IR
Efficient Neural Ranking using Forward Indexes and Lightweight Encoders
本文提出 Fast-Forward 向量前向索引，结合词法与语义分数插值、表示预计算、轻量编码器及动态标记丢弃，实现高深度、低延迟且无需 GPU 的高效神经重排序。
2023-11-02 cs.IR
Semantic Image Retrieval by Uniting Deep Neural Networks and Cognitive Architectures
SingularityNET Foundation（奇点网基金会）；Novamente LLC（Novamente有限责任公司）；ITMO University（圣彼得堡国立信息技术机械与光学大学）；Cisco（思科）
图像和视频检索的语义内容一直是一个重要的和具有挑战性的任务多年来，因为它最终需要弥合符号/子符号的差距。最近在深度学习方面取得的成功使许多类别的物体检测大大优于传统的计算机视觉技术。然而，能够执行检索查询的深度学习解决方案仍然不可用。我们提出了一种混合解决方案，由用于目标检测的深度神经网络和用于查询执行的认知架构组成。具体来说，我们使用YOLOv 2和OpenCog。实现了允许检索包含指定类别和指定空间布置的对象的视频帧的方法。
2018-06-14 cs.AI cs.CV cs.IR
Empowering Large Language Models to Set up a Knowledge Retrieval Indexer via Self-Learning
Renmin University of China（中国人民大学）；Institute for Advanced Algorithms Research（高等算法研究院）
本文提出PG-RAG框架，通过让LLM自主阅读并构建伪图知识库，在检索时整合事实路径，显著提升问答性能，超越现有基线。
2024-05-27 cs.CL cs.IR
Hierarchy-based Image Embeddings for Semantic Image Retrieval
Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学）
已经发现，经过分类训练的深度神经网络可以学习强大的图像表示，这些图像表示也经常用于其他任务，例如将图像与图像进行比较。他们的视觉相似性。然而，视觉相似性并不意味着语义相似性。为了学习语义判别功能，我们建议将图像映射到类嵌入，其成对点积对应于类之间的语义相似性度量。这样的嵌入不仅改善了图像检索结果，而且还可以促进为其他任务集成语义，例如，新颖性检测或少样本学习。我们引入了一个确定性的算法，直接计算类质心的基础上编码在一个层次结构的类，如WordNet的先验世界知识。在CIFAR-100，NABIrds和ImageNet上的实验表明，我们学习的语义图像嵌入大大提高了图像检索结果的语义一致性。
2019-03-19 cs.AI cs.CV 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
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
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
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
Compressed Indexes for Fast Search of Semantic Data
RDF数据量的急剧增加要求有效解决三元组索引问题，即设计一种压缩数据结构来压缩表示RDF三元组，同时保证快速的模式匹配操作。这个问题的核心在于为大型RDF数据集上的复杂SPARQL查询提供良好的实际性能。在这项工作中，我们提出了一个基于trie的索引布局来解决这个问题，并引入了两种新的技术，以减少其空间的表示，以提高效率。在广泛的公开可用的真实世界数据集上进行的广泛的实验分析表明，我们最好的空间/时间权衡配置大大优于现有的解决方案，通过减少30-60%的空间，并将查询执行速度提高2- 81倍。
2020-02-27 cs.DB cs.IR
Language Models As Semantic Indexers
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Amazon（亚马逊公司）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；The Pennsylvania State University（宾夕法尼亚州立大学）
本文提出自监督框架 LMIndexer，利用生成式语言模型、渐进式训练、对比学习和文档重建目标学习层次化语义 ID，并在五个数据集的三类检索任务中验证有效性。
2024-06-12 cs.CL cs.IR cs.LG
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
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
Reference Wording Shapes Retrieval of Robot Task Instructions
本研究以RLBench操作基准为对象，探究参考措辞对机器人任务指令检索的影响，对比5种无训练词汇排序器，发现字符n-gram TF-IDF表现最优，添加索引描述可提升检索准确率。
2026-10-14 cs.AI cs.CL 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
A Semantic Indexing Structure for Image Retrieval
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）
在大规模图像检索中，为了缩小检索的搜索范围，人们提出了许多索引方法。由于关键点的存在，从图像中提取的特征往往是高维的或不固定的。现有的索引结构大多存在维数灾难、特征尺寸不固定和语义相似性损失等问题。在本文中，一个新的分类为基础的索引结构，称为语义索引结构（SIS），提出了一种新的索引结构，在其中，我们利用语义类别，而不是聚类中心，以创建数据库分区，使建议的索引SIS可以结合特征提取没有限制的维度。此外，它被观察到的每个语义分区的大小与数据库的语义分布呈正相关。沿着这种方式，我们发现，当分区数归一化为5时，所提出的算法在所有测试中表现得非常好。与最先进的模型相比，SIS实现了出色的性能。
2021-09-14 cs.CV cs.IR
Scientific and Technological Information Oriented Semantics-adversarial and Media-adversarial Cross-media Retrieval
Beijing University of Posts and Telecommunications（北京邮电大学）
针对现有跨媒体检索方法忽略语义一致性与语义内媒体判别性的问题，提出面向科技信息的SMCR方法，通过双损失优化与双映射网络提升检索性能，实验效果优于现有最优方法。
2024-10-30 cs.AI cs.IR
LiteSemRAG: Lightweight LLM-Free Semantic-Aware Graph Retrieval for Robust RAG
Oakland University（奥克兰大学）
本文提出LiteSemRAG，一种轻量级无大语言模型的语义感知图检索框架，通过构建异构语义图并分离表层词义与上下文依赖语义，提升检索鲁棒性与效率。
2026-03-16 cs.AI cs.IR
Search over the Visual World: Persistent Visual Memory, Layered Indexes, and Source-Grounded Evidence
VideoDB（视频数据库）
该研究针对智能体持续观测视觉数据的场景，提出基于持久视觉记忆等的视频检索基础设施模型，经9800+查询对比，通用组件流水线在Recall@1/@3/@10上优于商业视频原生引擎
2026-08-11 cs.CV cs.IR cs.MM
Search Is Not Retrieval: Decoupling Semantic Matching from Contextual Assembly in RAG
Services AI Research Group, Dell Technologies（Dell Technologies人工智能服务研究组）
针对现有RAG检索系统混淆相关信息查找与推理上下文供给的问题，提出SINR双层解耦框架，在无额外开销下提升检索性能，为下一代检索增强AI系统提供基础。
2025-11-12 cs.AI cs.IR
A Semantic Search Pipeline for Causality-driven Adhoc Information Retrieval
National University of Ireland Galway（爱尔兰国立高威大学）；University College Cork（科克大学学院）
本文提出一种无监督语义搜索流水线，通过在语义和词汇索引上聚合多查询策略结果，有效区分主题文档与因果文档，在CAIR-2021任务中表现领先。
2025-03-02 cs.AI cs.CL cs.IR
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
Exploiting Semantic Role Contextualized Video Features for Multi-Instance Text-Video Retrieval EPIC-KITCHENS-100 Multi-Instance Retrieval Challenge 2022
Institute for Infocomm Research, A*STAR（新加坡科技研究局资讯通信研究院）；School of Computer Science and Engineering, NTU（南洋理工大学计算机科学与工程学院）
提出一种语义角色解析与自注意力多空间嵌入方法，用于 EPIC-KITCHENS-100 文本-视频多实例检索，并在 nDCG 和 mAP 上分别取得第 3、第 4 名。
2023-09-26 cs.CV cs.IR cs.LG
Soft Seeded SSL Graphs for Unsupervised Semantic Similarity-based Retrieval
基于语义相似度的检索在现代网络搜索、问答、相似文档检索等领域发挥着越来越重要的作用。语义相似内容检索的改进对Quora、Stack Overflow、Siri等应用程序具有重要意义。我们提出了一种新的基于语义相似度的无监督内容检索模型，在该模型中，我们为每个查询构建语义流图，并在基于图的半监督学习（SSL）中引入“软播种”的概念，以将其转换为无监督模型。我们证明了我们的模型在Stack Exchange QA数据集上的等效问题检索问题上的有效性，其中我们的无监督方法显着优于最先进的无监督模型，并产生与最佳监督模型相当的结果。我们的研究提供了一种方法来解决基于语义相似性的检索没有任何训练数据，并允许无缝扩展到不同领域的QA社区，以及其他语义等价的任务。
2017-12-15 cs.IR
Coverage, Not Averages: Semantic Stratification for Trustworthy Retrieval Evaluation
Scale AI
本文提出语义分层方法，通过构建可解释的实体聚类空间，解决检索评估中覆盖性和稳定性问题，提升评估的透明度和可信度。
2026-04-22 cs.AI cs.IR cs.LG
Beyond Semantic Similarity: Performance and Costs of Agentic Retrieval for Complex Tasks
NVIDIA（英伟达）；University of Edinburgh（爱丁堡大学）
本研究提出智能体检索，结合LLM推理与检索器，在ReAct循环中解决复杂任务，较标准检索nDCG@10提升8.7点，但耗时和令牌消耗显著增加。
2026-10-06 cs.AI cs.IR
VectorSearch: Enhancing Document Retrieval with Semantic Embeddings and Optimized Search
University of Washington（华盛顿大学）
针对传统文档检索难以捕捉语义细微差别及高维度语义鸿沟问题，提出VectorSearch，利用先进算法、嵌入、多向量搜索和语言模型编码，显著提升检索准确性，在大规模任务中优于基线。
2024-09-25 cs.AI cs.DB cs.IR
From Semantic Retrieval to Pairwise Ranking: Applying Deep Learning in E-commerce Search
我们将深度学习模型引入到全球最大的电子商业平台之一JD.com的产品搜索中最重要的两个阶段。具体来说，我们概述了一个深度学习系统的设计，该系统可以在几毫秒内检索与查询语义相关的项目，以及一个成对的深度重新排名系统，该系统可以学习微妙的用户偏好。与传统的搜索系统相比，本文提出的方法在语义检索和个性化排序方面有了明显的改进。
2021-03-24 cs.AI cs.IR cs.LG
Complementing Lexical Retrieval with Semantic Residual Embedding
本文介绍了CLEAR，检索模型，旨在补充经典的词汇精确匹配模型，如BM 25与语义匹配信号的神经嵌入匹配模型。CLEAR显式地训练神经嵌入来编码词汇检索无法捕获的语言结构和语义，并使用一种新的基于残差的嵌入学习方法。实证评估表明，CLEAR的优势，国家的最先进的检索模型，它可以大大提高端到端的准确性和效率的重新排序管道。
2021-03-29 cs.IR
Deep Learning Based Semantic Video Indexing and Retrieval
我们分享的实现细节和测试结果的视频检索系统完全基于卷积神经网络提取的特征。我们表明，深度学习的功能可以作为通用签名的语义内容的视频有用的许多搜索和检索任务。我们进一步表明，基于图的存储结构的视频索引允许有效地检索内容与复杂的空间和时间搜索查询。
2016-01-28 cs.IR
From Crawled to Published: A Publisher-Controlled Web Architecture for an AI-Native Internet
KAUST（卡塔尔科技大学）
本文提出AI原生互联网的概念，旨在通过语义解析器和信息片段暴露机制，优化网络架构以支持AI驱动的语义检索。
2026-10-21 cs.AI cs.IR cs.NI
Semantic Entity Retrieval Toolkit
University of Amsterdam（阿姆斯特丹大学）
词和实体的低维语义表示的无监督学习最近受到关注。在本文中，我们描述了语义实体检索工具包（SERT），提供了我们以前发布的实体表示模型的实现。该工具包为不同的表示学习算法、细粒度解析配置提供了统一的接口，并且可以透明地与GPU一起使用。此外，用户可以很容易地修改现有的模型或在框架中实现自己的模型。在模型训练之后，SERT可以用于根据文本查询对实体进行排名，并提取学习到的实体/单词表示用于下游算法，例如聚类或推荐。
2017-07-17 cs.AI cs.CL cs.IR
Semantic Search for Information Retrieval
本研究综述信息检索从词汇技术到语义检索器的发展，介绍BM25基线及DPR、ColBERT、SPLADE、MonoT5等现代语义检索模型，还探讨评估策略、挑战与未来方向。
2025-08-25 cs.IR
Scene-driven Retrieval in Edited Videos using Aesthetic and Semantic Deep Features
Università degli Studi di Modena e Reggio Emilia（摩德纳和雷焦艾米利亚大学）
本文提出了一种新的检索管道的视频集合，其目的是检索的最重要的部分，一个给定的查询编辑的视频，并表示它们与缩略图，这是在同一时间的语义上有意义的和美观显着。首先将视频分割成连贯的、讲故事的场景，然后提出一种基于深度学习的检索算法，用于检索文本查询中最重要的场景。最后使用基于深度特征的排名策略来解决最佳缩略图的可视化问题。定性和定量的实验进行了一系列的编辑视频，以证明我们的方法的有效性。
2016-04-09 cs.CV cs.IR cs.MM
Semantic Models for the First-stage Retrieval: A Comprehensive Review
多阶段排序管道已经成为现代搜索系统中的一种实用解决方案，其中第一阶段检索是返回候选文档的子集，并且后面的阶段尝试重新排序这些候选者。与过去几十年中经历快速技术转变的重新排序阶段不同，第一阶段检索长期以来一直由经典的基于术语的模型主导。不幸的是，这些模型遭受词汇不匹配的问题，这可能会阻止重新排序阶段从相关的文件在一开始。因此，长期以来，人们一直希望为第一阶段的检索，可以实现高召回率的语义模型。近年来，人们对第一阶段语义检索模型的研究呈爆炸式增长。我们认为，现在是调查现状、借鉴现有方法并为未来发展提供一些见解的正确时机。在本文中，我们描述了目前的景观的第一阶段检索模型在一个统一的框架下，澄清经典的基于术语的检索方法，早期的语义检索方法和神经语义检索方法之间的联系。此外，我们确定了一些开放的挑战，并设想了一些未来的方向，希望能激发更多的研究，这些重要的，但很少调查的主题。
2021-09-17 cs.IR
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
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
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
KSE-Web: An Analysis of Hybrid Retrieval and LLM-Assisted Query Expansion for Low-Resource Khmer Semantic Search
本文针对低资源高棉语语义搜索，构建专属数据集，评估多种检索方法，发现BM25性能最优，LLM辅助查询扩展未提升效果但模型规模影响显著，为相关研究提供基础。
2026-08-25 cs.AI cs.CL cs.IR
