Leveraging Large Language Models for Medical Information Extraction and Query Generation
本研究提出将大语言模型整合到临床试验检索系统中,评估发现小型开源LLM的检索效果媲美甚至超越专家查询与现有方法,且响应快、查询词量可控,可平衡医疗场景下的性能与落地性。
2024-10-31 cs.IR
Query Interpretations from Entity-Linked Segmentations
Martin-Luther-Universität Halle-Wittenberg(马丁·路德大学哈勒-维滕贝格);Bauhaus-Universität Weimar(魏玛包豪斯大学)
网络搜索查询可能是模棱两可的:“尼罗河之源”是指查找有关实际河流的信息还是该名称的棋盘游戏的信息?我们通过推导基于实体的查询解释来解决这个问题:给定某些查询,任务是推导出将查询的适当部分链接到背景知识库中语义兼容实体的所有合理方法。我们建议的方法不仅关注有效性,而且关注效率,因为网络搜索的响应时间不应超过数百毫秒。在我们的方法中,我们使用查询分割作为预处理步骤,找到有前途的基于段的“解释骨架”。然后将这些骨架中的各个片段链接到知识库中的实体,并在最后一步中对合理的组合进行排名。实验比较的所有现有的查询实体链接数据集的组合语料库显示,我们的方法有一个更好的解释准确率在一个更好的运行时间比以前最有效的方法。
2022-01-05 cs.CL cs.IR
Query Generation for Patent Retrieval with Keyword Extraction based on Syntactic Features
Amsterdam Business School, University of Amsterdam(阿姆斯特丹大学阿姆斯特丹商学院);European Patent Office(欧洲专利局);Institute of Informatics, University of Amsterdam(阿姆斯特丹大学信息学院)
本文介绍了一种从专利权利要求中提取相关关键词的新方法,作为检索具有类似权利要求的其他专利(检索现有技术)任务的一部分。该方法结合了定性分析的写作风格的权利要求与自然语言处理方法来解析文本,以表示一个法律文本作为一个专业化的术语树状结构。在这种情况下,提取的关键字集合产生的搜索结果比使用传统方法(如tf-idf)提取的关键字更好。性能是在由提取的关键字组成的查询的搜索结果上测量的。
2019-06-18 cs.CL cs.IR
VIQI: A New Approach for Visual Interpretation of Deep Web Query Interfaces
Faculty of Sciences of Monastir(莫纳斯提尔科学学院);Research Unit MARS(MARS研究单元)
Deep Web数据库包含了超过90%的Web相关信息。尽管它们很重要,但用户并没有从这个宝库中获利。许多深网服务在价格、服务质量和设施方面提供有竞争力的服务。随着服务数量的快速增长,用户很难同时请求多个Web服务。在本文中,我们想象一个系统,用户有可能制定一个查询使用一个查询接口,然后系统将查询转换到其余的查询接口。然而,界面是由设计人员创建的,以便用户可以直观地解释,机器无法解释来自给定界面的查询。我们提出了一种新的方法,模拟用户的解释能力,并提取查询从深网查询接口。我们的方法在两个标准数据集上证明了良好的性能。
2012-05-04 cs.AI cs.IR
Modified Query Expansion Through Generative Adversarial Networks for Information Extraction in E-Commerce
Istanbul Technical University(伊斯坦布尔理工大学);Insider
本文提出了一种基于生成对抗网络(GAN)的查询扩展方法,以提高电子商业中信息搜索的有效性。我们提出了一种改进的QE条件GAN(mQE-CGAN)框架,它通过使用综合生成的查询扩展查询来解决关键字,该查询提出了来自文本输入的语义信息。我们训练一个序列到序列的Transformer模型作为生成器来产生关键字,并使用一个递归神经网络模型作为训练器来对生成器的对抗输出进行分类。通过修改后的CGAN框架,从查询文档语料库中收集的各种形式的语义见解被引入到生成过程中。我们利用这些见解作为条件的生成器模型,并讨论其有效性的查询扩展任务。我们的实验表明,在mQE-CGAN框架内利用条件结构可以将生成的序列和参考文档之间的语义相似度提高近10
2022-12-30 cs.CR cs.IR cs.LG
QExplorer: Large Language Model Based Query Extraction for Toxic Content Exploration
Alibaba Group(阿里巴巴集团);Northwestern Polytechnical University(西北工业大学)
QExplorer利用大型语言模型通过两阶段训练(SFT和DPO)自动提取查询,用于探索有害内容,实验证明其性能优于多个LLM和人类,并在在线部署中显著提升有害物品检测。
2025-02-06 cs.AI cs.CL cs.IR
Relevance Feedback for Goal's Extraction from Fuzzy Semantic Networks
在本文中,我们提出了一个简短的调查模糊和语义的知识提取方法。此类方法的目标是定义灵活的知识提取系统,能够处理提取过程固有的模糊性和不确定性。人们早就认识到,交互性提高了知识提取系统的有效性。新手用户的查询是最自然的和交互式的通信媒介,最近的进展,在认识是有可能建立系统,与用户进行交互。然而,鉴于典型的新手用户的查询提交给知识提取系统,很容易想象,新手用户的查询中的目标识别错误的影响,必须严重破坏系统的有效性。本文报道的实验工作表明,使用经典的知识提取技术的新手用户的查询处理是强大的目标识别错误相当高的水平。此外,标准相关反馈和伪相关反馈都可以有效地用于提高新手用户查询处理的有效性。
2013-01-24 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
Possibilistic Pertinence Feedback and Semantic Networks for Goal's Extraction
Department of Technology Preparatory Institute of Engineering Studies of Monastir(莫纳斯提尔工程研究预备学院技术系)
相关性反馈是一种技术,使用户能够交互地表达他的信息需求,通过修改他的原始查询公式与进一步的信息。通过明确确认由系统提取的一些指示对象和/或目标的相关性来提供该信息。显然,用户不能将对象和/或目标标记为相关的,直到一些被提取,所以第一次搜索必须由查询发起,并且初始查询规范必须足够好,以从语义网络中挑选出一些相关的对象和/或目标。在本文中,我们提出了一个简短的调查模糊和语义的知识提取方法。此类方法的目标是定义灵活的知识提取系统,能够处理提取过程固有的模糊性和不确定性。人们早就认识到,交互性提高了知识提取系统的有效性。新手用户的查询是最自然和交互式的通信媒介,最近的进展,在认识是有可能建立系统,与用户进行交互。然而,鉴于典型的新手用户的查询提交给知识提取系统,很容易想象,新手用户的查询中的目标识别错误的影响,必须严重破坏系统的有效性。本文报道的实验工作表明,在经典的知识提取技术的新手用户的查询处理的可能性理论的使用是更强大的比使用概率理论。此外,可能性和概率相关性反馈可以有效地提高新手用户的查询处理的有效性。
2012-06-05 cs.AI cs.IR
MedNuggetizer: Confidence-Based Information Nugget Extraction from Medical Documents
University of Regensburg(雷根斯堡大学);St. Josef Medical Center(圣约瑟夫医疗中心);St. Elisabeth Hospital Straubing(施特劳宾圣伊丽莎白医院)
MedNuggetizer 通过大型语言模型提取和聚类医学文档中的信息 nugget,帮助临床医生高效获取可靠的医学证据。
2025-12-17 cs.IR
Query-driven Relevant Paragraph Extraction from Legal Judgments
School of Computation, Information, and Technology(计算、信息与技术学院);Technical University of Munich(慕尼黑工业大学)
本文构建了基于欧洲人权法院判决的段落抽取数据集,发现法律预训练可缓解语料侧分布偏移但查询侧仍困难,并系统评估了不同PEFT方法在检索任务中的实用性。
2024-03-31 cs.CL cs.IR
QUEACO: Borrowing Treasures from Weakly-labeled Behavior Data for Query Attribute Value Extraction
Amazon.com Inc(亚马逊公司);Georgia Institute of Technology(佐治亚理工学院);Hong Kong University of Science and Technology(香港科技大学)
我们研究了查询属性值抽取问题,其目的是从用户查询中识别出具有不同表面形式属性值的命名实体,然后将其转换为形式规范形式。该问题包括两个阶段:{命名实体识别(NER)}和{属性值规范化(AVN)}。然而,现有的工作只关注NER阶段,而忽略了同样重要的AVN。为了弥补这一缺陷,本文提出了一个统一的电子商务搜索查询属性值抽取系统QUEACO,它包括两个阶段。此外,通过利用大规模的弱标记行为数据,我们进一步提高了提取性能与更少的监督成本。具体来说,对于NER阶段,QUEACO采用了一种新颖的教师-学生网络,其中在强标记数据上训练的教师网络生成伪标签来细化弱标记数据以训练学生网络。同时,教师网络可以通过反馈学生在强标签数据上的表现来动态地适应,以最大限度地消除来自弱标签的噪声监督。对于AVN阶段,我们还利用弱标记的查询到属性的行为数据来将来自查询的表面形式属性值规范化为来自产品的规范形式。在一个真实的大规模电子商务数据集上的实验证明了QUEACO的有效性。
2021-09-05 cs.AI cs.CL cs.IR
Neural Architecture for Question Answering Using a Knowledge Graph and Web Corpus
在Web搜索中,实体搜索查询通常会触发一个特殊的问答系统。它可以使用解析器将问题解释为结构化查询,在知识图谱(KG)上执行该结构化查询,并返回直接的实体响应。基于精确解析的QA系统往往是脆弱的:微小的语法变化可能会极大地改变响应。此外,幼儿园的覆盖面参差不齐。在另一个极端,一个大的语料库可能提供更广泛的覆盖面,但在一个非结构化的,不可靠的形式。我们提出了AQQUCN,一个QA系统,优雅地结合KG和语料库证据。AQQUCN接受广泛的查询语法,从格式良好的问题到简短的“电报”关键字序列。面对固有的查询歧义,AQQUCN聚合来自KG和大型语料库的信号,直接对KG实体进行排名,而不是对查询进行一种语义解释。AQQUCN将理想解释建模为不可观察或潜在变量。解释和候选实体响应通过组合来自多个卷积网络的信号来成对评分,这些卷积网络共同对查询、KG和语料库进行操作。在四个公共查询工作负载上,总计超过8,000个具有不同查询语法的查询,与最近系统的实体排名性能相比,我们看到平均平均精度(MAP)有5- 16%的绝对提高。我们的系统在实体集检索方面也很有竞争力,对于具有挑战性的短查询,F1分数几乎翻了一番。
2018-12-06 cs.IR
An Index-based Approach for Efficient and Effective Web Content Extraction
University of Science and Technology of China(中国科学技术大学);Metastone Technology(Metastone技术)
本文提出基于索引的方法,用于高效提取网络相关内容,提升RAG系统查询准确性与处理速度。
2025-12-07 cs.CL cs.IR
Intent Identification and Entity Extraction for Healthcare Queries in Indic Languages
IIT Kharagpur(印度理工学院卡哈拉格普尔分校);University of Maryland, College Park(马里兰大学帕克分校);Carnegie Mellon University(卡内基梅隆大学)
在印度等发展中国家,资源匮乏的语言的数据稀缺和技术限制对医疗保健领域复杂的NLU系统的发展构成了威胁。为了评估医疗保健领域各种最先进的语言模型的现状,本文首先提出了两个不同的医疗保健数据集,Indian Healthcare Query Intent-WebMD和1 mg(IHQID-WebMD和IHQID-1 mg)和一个真实世界的印度医院查询数据(英语和多种印度语言)(印地语、孟加拉语、泰米尔语、泰卢固语、马拉地语和古吉拉特语),它们用查询意图和实体进行注释。我们的目标是检测查询意图并提取相应的实体。我们进行了广泛的实验,一组模型在各种现实的设置和探索两种情况下的基础上访问英语数据(成本较低)和访问目标语言数据(更昂贵)。通过实证分析,我们分析了具体的实际相关性。结果,表示在整体F1分数方面表明,我们的方法是实际有用的,以确定意图和实体。
2023-02-19 cs.CL cs.IR
Wild Card Queries for Searching Resources on the Web
我们提出了一个独立于领域的框架,用于搜索和检索自然语言文本源中的事实和关系。在该框架中,文本集合上的抽取任务被表示为一个将文本片段与通配符相结合的查询,查询结果是一元、二元和一般$n$元元组形式的事实集合.我们的查询机制的一个重要意义在于,尽管它既简单又声明性,但它可以应用于广泛的提取任务。然而,查询自然语言文本的一个问题是,用户指定的查询可能无法检索到足够的精确匹配。与可以通过删除某些术语来放松的术语查询(如在搜索引擎中所做的那样)不同,从通配符查询中删除术语而不破坏其含义更具挑战性。此外,任何查询扩展都有可能引入误报。在本文中,我们解决的问题,查询扩展,也分析了一些排名的替代品,以评分的结果,并删除误报。我们进行实验,并报告我们的查询和评分功能的有效性评估。
2009-08-18 cs.DB cs.IR
Comparative Study and Optimization of Feature-Extraction Techniques for Content based Image Retrieval
基于内容的图像检索(CBIR)系统,也称为按图像内容查询(QBIC),其目的是帮助用户根据内容检索相关图像。CBIR技术提供了一种通过使用来自训练图像的唯一描述符来在大型数据库中查找图像的方法。图像描述符包括图像内对象的纹理、颜色、强度和形状。几种特征提取技术,本文对平均RGB、颜色矩、共生、局部颜色直方图、全局颜色直方图和几何矩进行了比较。然而,单独地,这些技术导致较差的性能。因此,这些技术的组合也进行了评估,最有效的技术组合的结果已经提出和优化的每一类图像查询。我们还提出了一个改进的图像检索性能,通过引入查询修改的想法,通过图像裁剪。它使用户能够识别感兴趣的区域,并修改初始查询,以细化和个性化的图像检索结果。
2020-07-09 cs.AI cs.CV cs.IR
Query expansion techniques for information retrieval: A survey
随着网络规模的不断扩大,在互联网上对由少数关键字组成的查询进行相关信息抽取已成为一个巨大的挑战。查询扩展(QE)在提高Internet上的搜索性能方面起着至关重要的作用。在这里,用户的初始查询通过添加具有类似意义的附加有意义的术语来重新表述。作为信息检索(IR)的一部分,QE长期以来一直受到研究者的关注。它在个性化社会文档、问答、跨语言信息检索、信息过滤和多媒体信息检索等领域具有重要影响力。由于TREC(Text信息检索Conference)和CLEF(Conference and Labs of the Evaluation Forum)等专门的信息检索会议的召开,QE的研究得到了进一步的重视。本文从核心技术、使用的数据源、加权和排名方法、用户参与和应用等方面对1960年至2017年IR中的QE技术进行了调查,并指出了相似性和差异性。
2019-06-20 cs.IR
A Semi-automatic Data Extraction System for Heterogeneous Data Sources: A Case Study from Cotton Industry
随着最近数字化的发展,网上提供的文件越来越多。有几种信息抽取工具可用于从数字化文档中提取信息。然而,确定给定查询的精确答案通常是一项具有挑战性的任务,特别是如果相关信息所在的数据源是未知的。当数据源以多种格式(如PDF、表格和html)提供时,这种情况变得更加复杂。在本文中,我们提出了一种新的数据提取系统,发现相关的和集中的信息,从不同的非结构化数据源的基础上,文本挖掘方法。我们进行了定性分析,以评估所提出的系统及其适用性和适应性,以棉花行业。
2021-11-05 cs.IR
On the Fly Query Entity Decomposition Using Snippets
信息检索中最重要的问题之一是推断用户查询的意图。因此,任何工具,以丰富或更好的上下文查询可以证明是非常有价值的。实体提取,如果它是快速完成的,可以是这样的工具之一。这些技术通常依赖于涉及大型数据集的先前训练阶段。这种训练是昂贵的,特别是在越来越多地向实时的场景移动的环境中,在这些场景中,检索新信息的延迟应该是最小的。本文提出了一种动态查询分解方法。它使用通过简单的统计算法挖掘的片段。除了讨论这种方法对不同情况的适用性之外,还对这种方法进行了初步评价。
2010-06-06 cs.IR
Query Refinement by Multi Word Term expansions and semantic synonymy
我们开发了一个系统,TermWatch(https://stid-bdd.iut.univ-metz.fr/TermWatch/index.pl),它结合了术语的语言提取,它们的结构化成一个术语网络与聚类算法。在本文中,我们将探讨它的能力,在整合最有前途的方面的研究,查询细化:选择有意义的文本单元集群(领域术语),选择紧密的语义关系,集群术语,结构的术语在网络中,使abetter感知领域概念。我们在PASCAL 2005-2006书目数据库(http://www.example.com)的367 645篇英文摘要上进行了实验,并将TermWarch自动构建的结构化术语资源与TermScience资源(http://termsciences.inist.fr/)的英文部分(包含88 211个术语)进行了比较。www.inist.fr
2008-11-04 cs.IR
Audio enabled information extraction system for cricket and hockey domains
Pondicherry Engineering College(本地治理工程学院)
所提出的系统的目的是检索的总结信息从基于Web的搜索引擎收集的文件,根据用户查询有关板球和曲棍球域。该系统的设计方式,它采取的语音命令作为关键字进行搜索。查询中的词性是使用英语的自然语言提取器提取的。基于关键字,搜索被分为两种类型:1.概念方面-基于关键字和与之相关的概念词检索与查询相关的信息。检索到的信息使用概率方法和加权平均算法进行汇总。2.关键字搜索-从搜索引擎从搜索中检索到的高排名文档中提取与查询相关的结果。检索相关的搜索结果,然后使用关键字对零件进行汇总。在总结过程中,它遵循加权和概率方法,以确定与提取的关键词可比的数据。然后,通过聚合过程反复细化提取的信息,以减少冗余。最后,结果数据以音频输出的形式提交给用户。
2010-04-26 cs.IR cs.MM cs.SD
Bayesian Query-Focused Summarization
Information Sciences Institute(信息科学研究所)
我们提出了BayeSum(Bayesian summarization),这是一个在以查询为中心的摘要中进行句子提取的模型。BayeSum利用了多个文档与单个查询相关的常见情况。使用这些文档作为查询词的增强,BayeSum不会受到短查询中信息缺乏的影响。我们表明,近似推理BayeSum是可能的大数据集和结果在一个国家的最先进的摘要系统。此外,我们展示了如何BayeSum可以被理解为一个合理的查询扩展技术在语言建模的IR框架。
2009-07-10 cs.CL cs.IR cs.LG
DEGAP: Dual Event-Guided Adaptive Prefixes for Templated-Based Event Argument Extraction with Slot Querying
School of Information Management, Jiangxi University of Finance and Economics(江西财经大学信息管理学院);University of Montreal (UdeM), Department of Computer Science and Operations Research (DIRO)(蒙特利尔大学(UdeM)计算机科学与运筹学系);School of Computer Science and Engineering, University of Electronic Science and Technology of China(电子科技大学计算机科学与工程学院);Department of Statistics, Division of the Physical Sciences, the University of Chicago(芝加哥大学统计学系)
本文提出DEGAP方法,通过双前缀和事件引导自适应门控机制,在无需检索的情况下为事件论元抽取模型提供相关线索,在四个数据集上取得最优性能。
2025-05-08 cs.AI cs.CL cs.IR
Support Vector Machine Active Learning Algorithms with Query-by-Committee versus Closest-to-Hyperplane Selection
The College of New Jersey(新泽西学院)
本文研究和评估支持向量机主动学习算法用于不平衡数据集,这通常出现在许多应用中,如信息抽取应用。基于最接近超平面选择和按委员会查询选择的算法与用于解决不平衡的方法相结合,例如基于来自初始随机样本的流行率统计的阳性扩增。三种算法(ClosestPA,QBagPA和QBoostPA)的文本分类和关系抽取的数据集上仔细评估。的ClosestPA算法被证明是一贯优于其他两个在各种方式和见解提供为什么会这样。
2018-05-16 cs.CL cs.IR cs.LG
AdaQE-CG: Adaptive Query Expansion for Web-Scale Generative AI Model and Data Card Generation
University of North Texas(北德克萨斯大学);North Carolina State University(北卡罗来纳州立大学);Bellevue High School(贝尔维尤高中)
本文提出AdaQE-CG框架,通过动态信息提取与跨卡片知识迁移解决生成AI文档的三大挑战,引入MetaGAI-Bench基准,实验表明其在多个质量维度上优于现有方法,接近人类水平。
2026-03-16 cs.AI cs.IR
DiffusionGS: Generative Search with Query Conditioned Diffusion in Kuaishou
City University of Hong Kong(香港城市大学)
针对现有个性化搜索排序系统未充分利用用户实时查询与历史行为显式对齐的问题,提出DiffusionGS方法,以查询为意图锚点,通过条件扩散和用户感知去噪层提取即时兴趣,实验证明其优于现有方法。
2025-08-25 cs.AI cs.IR
Towards A Time Based Video Search Engine for Al Quran Interpretation
来自世界各国的互联网穆斯林用户数量显着增加。在互联网上有很多结构化的、有据可查的古兰经解释文本资源,Tafsir,有几种语言。然而,在搜索特定单词的含义时,许多用户更喜欢观看短视频,而不是阅读脚本或书籍。本文介绍了针对根据搜索查询将常见的Tafsir视频划分为短视频并在社交网络上共享这些结果视频的挑战的解决方案。此外,我们还提供了用户评论视频上特定时间帧或特定主题中特定诗句的能力。这将是非常有价值的,适用于古兰经和Tafsir的当前技术,以方便查询经文,理解其含义,并在不同的社交媒体上分享它。
2017-01-25 cs.CY cs.IR
Robust Interpretation of Historical Documents in Knowledge Graphs Through Query Inference and Execution
Centre de Visió per Computador(计算机视觉中心);Universitat Autònoma de Barcelona(巴塞罗那自治大学)
研究如何在利用大语言模型泛化能力时保证可靠性,提出智能检索系统,比较传统RAG与智能GraphRAG架构,引入半符号框架,通过单词识别与代码生成协作构建鲁棒检索查询,提升历史文档分析准确性与可验证性。
2026-07-28 cs.DL cs.IR
Knowledge-Enhanced Multi-Label Few-Shot Product Attribute-Value Extraction
Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学);Rakuten Institute of Technology, Rakuten Group Inc.(乐天集团乐天技术研究所)
针对商品新属性-值对标注稀缺问题,提出知识增强注意力框架 KEAF,利用标签描述、类别信息、混合注意力与动态阈值实现多标签小样本抽取,并在两个数据集上超过现有 SOTA。
2023-08-16 cs.CL cs.IR
Dr Web: a modern, query-based web data retrieval engine
Birkbeck, University of London(伦敦大学伯贝克学院);University of Messina(墨西拿大学)
本文提出Dr Web,一个基于查询语言的模块化Web数据检索引擎,解决动态内容与杂乱数据提取问题,并阐述其开源发布路径。
2025-02-18 cs.CL cs.DB cs.IR
Coupled intrinsic and extrinsic human language resource-based query expansion
不良的信息检索性能通常归因于查询-文档词汇不匹配问题,其被定义为人类用户难以制定精确的自然语言查询,该查询与被认为与特定搜索目标相关的文档的词汇一致。为了缓解这个问题,应用查询扩展过程以便产生附加项并将附加项集成到初始查询。这需要准确识别主要查询概念,以确保适当强调预期的搜索目标,并提取相关扩展概念并将其包含在丰富的查询中。自然语言查询具有内在的语言属性,例如可以在确定预期的搜索目标时利用的词性标签和语法关系。此外,外部的基于语言的资源,如本体,需要建议扩展概念语义一致的查询内容。我们在这里提出了一个查询扩展框架,它利用用户查询和本体资源的语言特征的查询成分编码,扩展概念提取和概念加权。在真实数据集上的一个彻底的实证评估验证了我们的方法对unigram语言模型,相关性模型和顺序依赖为基础的技术。
2020-04-23 cs.CL cs.IR
Clue-RAG: Towards Accurate and Cost-Efficient Graph-based RAG via Multi-Partite Graph and Query-Driven Iterative Retrieval
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
针对基于图的RAG中图质量差和查询信息利用不足的问题,提出Clue-RAG方法,通过构建多部图索引和查询驱动的迭代检索策略,在降低索引成本的同时显著提升了问答准确率与F1分数。
2025-09-16 cs.AI cs.IR
RAG Deserves an Index: Why Ingest-Time Compilation Beats Query-Time Interpretation
Endgame Labs, Inc.(终局实验室公司);Asia AI Institute(亚洲人工智能研究院);Musashino University(武藏野大学);Faculty of Data Science, Musashino University(武藏野大学数据科学学院);AIx, Inc.(AIx公司)
该研究提出摄入时语义编译(ISC)范式,将语料编译为可查询数据库对象,实验显示其检索效果优于传统RAG方法,增量更新成本更低,为RAG提供了索引化解决方案。
2026-08-24 cs.AI cs.DB cs.IR
Improving RAG Retrieval via Propositional Content Extraction: a Speech Act Theory Approach
University of Brasília(巴西利亚大学);Federal Senate of Brazil(巴西联邦参议院)
本文基于言语行为理论提出在嵌入前将查询转换为命题等价形式的方法,并在巴西电信新闻语料库的63条查询上验证其可提升RAG顶部检索结果的语义相似度。
2025-03-07 cs.AI cs.CL cs.IR
Context-Aware Scientific Knowledge Extraction on Linked Open Data using Large Language Models
Department of Computer Science, University of Idaho(计算机科学系,爱达荷大学)
针对科学文献知识提取中传统搜索与通用大模型回答浅显、不完整的问题,提出WISE系统,采用基于大模型的树状架构进行上下文感知的知识提取、精炼与排序,在HBB基因疾病实验中减少80%以上处理文本并显著提升召回率,且输出更具独特性和深度。
2025-06-21 cs.AI cs.DL cs.ET