QO-Bench: Diagnosing Query-Operator-Preserving Retrieval over Typed Event Tuples
Asian Institute of Digital Finance, National University of Singapore(亚洲数字金融研究所,新加坡国立大学)
提出QO-Bench基准,通过类型化事件元组上的确定性评估,诊断检索增强生成系统在查询操作符(如连接、交集)上的执行瓶颈。
2026-09-09 cs.AI cs.CL cs.IR
Literature Retrieval for Precision Medicine with Neural Matching and Faceted Summarization
University of Kentucky(肯塔基大学)
精准医疗(PM)的信息检索(IR)通常涉及寻找表征患者病例的多个证据。这通常至少包括病症的名称和适用于患者的遗传变异。其他因素,如人口统计学属性、合并症和社会决定因素也可能相关。因此,检索问题通常被公式化为ad hoc搜索,但具有多个方面(例如,疾病,突变),可能需要纳入。在本文中,我们提出了一个文档重排序的方法,结合神经查询文档匹配和文本摘要对这样的检索场景。我们的架构建立在基本的BERT模型上,有三个特定的组件用于重新排序:(a)。文档-查询匹配(b)。关键词提取和(c).分面条件抽象概括。(b)和(c)的结果用于将候选文档基本上转换为简明摘要,该简明摘要可以与手头的查询进行比较以计算相关性分数。组件(a)直接生成查询的候选文档的匹配分数。完整的架构受益于文档查询匹配的互补潜力和新的文档转换方法的基础上总结沿PM方面。使用NIST的TREC-PM跟踪数据集(2017- 2019)进行的评估表明,我们的模型达到了最先进的性能。为了促进可重复性,我们的代码可以在这里获得:https://github.com/bionlproc/text-summ-for-doc-retrieval。
2020-12-17 cs.CL cs.IR
GenFacet: End-to-End Generative Faceted Search via Multi-Task Preference Alignment in E-Commerce
本文提出GenFacet,一种端到端生成框架,通过多任务偏好对齐提升电商多维搜索效果,实验证明显著提升点击率和转化率。
2026-03-20 cs.IR
ConTReGen: Context-driven Tree-structured Retrieval for Open-domain Long-form Text Generation
本文提出 ConTReGen 框架,通过上下文驱动的树结构检索,结合自顶向下查询侧面探索与自底向上知识综合,提升开放域长文本生成的深度和相关性,并在多个数据集上超越现有 RAG 模型。
2024-10-20 cs.IR
GRAFT: Graph-Distilled Generative Retrieval for Facet-Aware Scientific Literature Exploration
King’s College London(伦敦国王学院)
该研究提出GRAFT方法,通过图蒸馏生成式检索实现科学文献探索,解决文档级检索无法说明关联原因、传统检索局限于已知邻域的问题,在LitWeave语料上取得良好检索效果,且能标注文献关联维度。
2026-08-25 cs.CL cs.IR
An Ontology-based Model for Indexing and Retrieval
本文从信息检索中一个尚未解决的问题出发,提出了一种基于本体的索引和检索模型。该模型将认知-解释索引语言的方法和经验与形式化知识表示的优势和可能性相结合。该模型的核心组件使用沿着知识表示的实体之间的类型化关系的路径的推理,以使得能够在检索过程的上下文中确定命中量。实体被安排在面向方面的方面,以确保一致的层次结构。索引和检索的可能后果进行了讨论。
2013-12-16 cs.IR
Reading Between the Citations: A Typed Claim Network for Scientific Literature
Australian National University(澳大利亚国立大学)
针对现有知识图谱忽略引用立场的问题,提出将文献间引用具体化为带有立场标签的类型化主张网络,并构建了包含8260条主张的实例,在检索增强、立场摘要和拓扑分析三个任务上验证其有效性。
2026-05-29 cs.AI cs.CL cs.IR
Faceted classification: management and use
本文讨论了在在线环境中使用分面分类的相关问题。作者认为,知识组织系统只有暴露出来并可供机器处理,才能在信息检索中得到充分利用。迄今为止分类自动化方面的经验可用于加快和简化现有分面计划的转换或为新系统创建管理工具。作者认为,有可能商定一套功能要求,以支持在线分面分类,这些要求同样适用于分类的维护、分类索引工具的创建或权威文件中分类的管理。有人建议,可提出一套分析综合分类要求,以改进知识组织系统的使用和交流标准。
2017-05-19 cs.IR
Policy-Grounded Dynamic Facet Suggestions for Job Search
LinkedIn Corporation(LinkedIn公司)
本文提出动态面建议(DFS)以提高求职搜索中的意图识别和相关职位检索,通过实时个性化语义属性推荐,结合离线分类整理、嵌入检索和小语言模型评分,提升建议精度和用户参与度。
2026-05-15 cs.AI cs.IR
CliniQ: A Multi-faceted Benchmark for Electronic Health Record Retrieval with Semantic Match Assessment
Tsinghua University(清华大学);Peking Union Medical College(北京协和医学院);Tsinghua Medicine(清华大学医学部)
本文提出公开EHR检索基准CliniQ,涵盖单患者与多患者检索、语义匹配类型评估,并通过大规模实验揭示BM25及通用稠密检索器的竞争力,为EHR检索研究提供新基准。
2025-04-08 cs.CL cs.IR
Faceted Ranking of Egos in Collaborative Tagging Systems
多媒体上传的内容被标记并由协作系统的用户推荐,从而产生非正式的分类,也称为大众分类。分面网络排名已被证明是一个合理的替代单一的排名,不考虑个性化的背景。在本文中,我们分析了与多个标签组成的方面相关的用户排名的在线计算。可能的应用是用户信誉评估(自我排名)和改进的内容质量的情况下检索。我们提出了一种基于PageRank作为中心性度量的解决方案:(i)基于相应的标签依赖子图离线计算每个标签的排名;(ii)通过合并面中所有标签对应的排名来生成面顺序。通过经验观察验证的基本假设是步骤(i)是可扩展的。我们还提出了算法的部分(ii)具有时间复杂度O(k),其中k是在方面的标签的数量,非常适合于在线计算。
2008-09-26 cs.IR
SkillPager: Query-Adaptive Intra-Skill Navigation via Semantic Node Retrieval
Shanghai Jiao Tong University(上海交通大学);Shanghai Innovation Institute(上海创新研究院);Sun Yat-sen University(中山大学)
针对基于技能的LLM代理在长过程文档中需要高效检索的问题,提出SkillPager两阶段框架,通过离线解析Markdown技能为类型化语义节点并在线利用MMR进行查询条件节点选择,在保持高上下文充分性的同时显著减少提示令牌。
2026-05-30 cs.AI cs.IR
WebExpert: domain-aware web agents with critic-guided expert experience for high-precision search
WebExpert通过领域感知的网页代理,结合批评者引导的专家经验,提升搜索精度,其核心方法包括句子级经验检索、结构化轻量级领域诱导及偏好优化规划,有效提升了答案准确率。
2026-02-03 cs.AI cs.CL cs.IR
Can Retrievers Find the Same Paper from Different Aspects? A Multi-Aspect Full-Paper Scientific Retrieval Benchmark
Zhejiang University(浙江大学);Westlake University(西湖大学);Alibaba Group(阿里巴巴集团);Shanghai Jiao Tong University(上海交通大学)
该研究推出多方面全论文科学检索基准MAPLE及查询生成流程MAPLE-Synth,发现现有检索器在从单一方面与多方面检索论文间存在显著差距,为相关检索器研发提供测试平台。
2026-08-18 cs.IR
On-Device Commercial Intent Retrieval Under Size, Latency, and Privacy Constraints: A 3 MiB Retrieval System with Typed Egress Boundaries
本研究在设备端大小、延迟和隐私约束下构建 3 MiB 商业意图检索系统,基于 6,020 叶子分类法,发现锚点缺失导致精度下降,教师模型可弥补容量差距,并验证锚点有效性。
2026-10-02 cs.CL cs.IR
MIRA: An LLM-Assisted Benchmark for Multi-Category Integrated Retrieval
GESIS – Leibniz Institute for the Social Sciences(GESIS - 莱布尼茨社会科学研究所);University College Dublin(都柏林大学学院);Indian Institute of Science Education and Research(印度科学教育与研究学院)
本文提出MIRA基准,通过真实用户查询构建,支持多类别跨领域检索评估,利用大语言模型生成主题描述和相关性评估,降低测试集生成成本。
2026-05-11 cs.IR
Generative Retrieval for Book search
针对图书检索中复杂信息与层级结构挑战,提出生成式检索框架GBS,通过数据增强与面向目录的编码,在百度数据集上MRR@20提升9.8%。
2025-01-19 cs.IR
The Company a Question Keeps: Auditing Open Jev-Style Models for Retrieval
Tsinghua University(清华大学)
该研究审计开放Jev风格检索模型的请求独立性,通过配对干预分析请求扩展等对模型判断的影响,发现部分模型存在动作翻转现象,为模型审计提供了依据。
2026-10-14 cs.CL cs.IR
Enhancing Information Retrieval in Digital Libraries through Unit Harmonisation in Scholarly Knowledge Graphs
TIB -- Leibniz Information Centre for Science and Technology(TIB -- 莱布尼兹科学与技术信息中心)
本文提出了一种基于单元统一的分面搜索方法,用于在学术知识图谱中实现异构数据的比较和过滤,提升数字图书馆的信息检索能力。
2025-12-06 cs.DL cs.IR
FinRCA-Bench: Benchmarking Evidence Retrieval and Reasoning for Financial AI Systems
该研究推出FinRCA-Bench基准,评估金融AI系统的证据检索与推理,发现检索架构影响性能,正确根本原因标签是可审计诊断的弱代理。
2026-08-20 cs.AI cs.IR
LEADRE: Multi-Faceted Knowledge Enhanced LLM Empowered Display Advertisement Recommender System
针对传统展示广告检索未能充分利用广告内容信息的问题,提出基于LLM的框架LEADRE,通过意图感知提示工程、广告特定知识对齐和高效系统部署三个模块,有效捕捉用户兴趣并提升推荐多样性,在微信视频号和朋友圈分别实现1.57%和1.17%的GMV提升。
2025-07-16 cs.IR
Topic Map: An Ontology Framework for Information Retrieval
组织信息的基本分类技术是叙词表、分类法和分面分类法。主题地图是一个相对较新的进入这个信息空间。主题地图标准描述了如何使用XML语法来表示抽象概念和现实世界资源之间的复杂关系。本文探讨了主题地图在信息检索中的内容管理、索引、知识表示、约束规范和查询语言等方面如何与传统技术相结合,以及它的优缺点。主题图的构造用XTM中实现的用例来说明
2010-03-18 cs.DL cs.IR
SUNAR: Semantic Uncertainty based Neighborhood Aware Retrieval for Complex QA
针对复杂问答系统第一阶段检索的有限召回问题,提出利用大语言模型引导的邻域感知检索方法SUNAR,通过迭代探索文档邻域图并结合中间答案的不确定性动态调整文档权重,在两个数据集上较现有最优方法最高提升31.84%的性能。
2025-03-23 cs.IR
Enhancing Patent Retrieval using Text and Knowledge Graph Embeddings: A Technical Note
专利检索影响工程设计研究,教育和实践中的几个应用程序,以及有关创新,知识产权和知识管理等的应用程序。在这篇文章中,我们提出了一种方法来检索专利相关的一组初始专利,通过综合自然语言处理和知识图谱嵌入之间的最先进的技术。我们的方法涉及专利嵌入,捕获文本,引用和发明人信息,这些信息分别代表通过专利文档传达的知识的不同方面。我们使用应用于标题和摘要的Sentence-BERT获得文本嵌入。我们通过使用相应的知识图谱训练的transE获得引用和发明人嵌入。我们确定使用分类任务,文本,引文和发明人嵌入的串联提供了一个合理的专利表示。虽然所提出的专利嵌入可用于关联一对专利,但我们使用召回任务观察到,多个初始专利可使用平均余弦相似性与目标专利相关联,然后可用于对所有目标专利进行排名并检索最相关的专利。我们提出的专利检索方法应用到一组专利对应的产品系列和发明人的投资组合。
2022-11-03 cs.IR
TRACE: Target-Aware Retrieval, Attributed Evidence, and Contract-Constrained Extraction for LitTraceQA
TRACE通过目标分组检索、证据定位与契约约束抽取,解决LitTraceQA中源访问与评分可见正确性之间的差距,在官方测试集上取得0.760613的综合得分。
2026-10-01 cs.CL cs.DL cs.IR
Enhanced Facet Generation with LLM Editing
NAVER(NAVER 公司)
针对搜索引擎更新及无法搜索内部文档导致facet预测受限的问题,提出仅以查询为输入的多任务学习框架,并结合LLM与小模型生成facet,有效提升了整体性能。
2024-03-25 cs.AI cs.CL cs.IR
UiS-IAI@LiveRAG: Retrieval-Augmented Information Nugget-Based Generation of Responses
针对RAG的事实正确性与完整性挑战,提出基于信息金块的多阶段模块化流水线,通过查询重写、检索重排与聚类摘要提升生成质量,发现结合子查询重写可提升召回率但过度增加文档数会降低有效性。
2025-06-27 cs.IR
Grokers: Bottom-Up Inductive Comprehension and Write-Time Intelligence over Typed Knowledge Graphs
Gregory Magarshak
提出Grokers架构,通过自底向上的依赖子图归纳遍历构建持久结构化理解,将智能推至写入时,实现零额外LM成本的查询,并证明字节同一性、累积单调性和双遍历顺序三个形式性质。
2026-05-07 cs.AI cs.CL cs.DB
Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation
针对RAG在时序叙事文档中忽略时间与因果演变的问题,本文提出实体-事件双图框架E^2RAG,并构建ChronoQA基准,在因果与角色一致性查询上显著优于现有方法。
2025-06-06 cs.IR
Large-Scale Knowledge Synthesis and Complex Information Retrieval from Biomedical Documents
Quantiphi(Quantiphi公司)
医疗保健行业的最新进展导致了大量的非结构化数据,这使得大规模执行高效准确的信息检索等任务变得非常具有挑战性。我们的工作提供了一个一体化的可扩展的解决方案,用于从大规模的研究文档中提取和探索复杂的信息,否则这将是乏味的。首先,我们简要介绍了我们的知识合成过程中提取有用的信息,从非结构化的文本数据的研究文件。然后,在从文档中提取的知识的顶部,我们执行复杂的信息检索使用三个主要组成部分-段落检索,三元组检索从知识图谱,和复杂的问答(QA)。这些组件结合了基于词汇和语义的方法来检索段落和三元组,并执行分面细化以过滤这些搜索结果。生物医学查询和文档的复杂性需要使用能够处理比模拟事实查询更复杂的查询的QA系统,我们在COVID-19开放研究数据集(CORD-19)上进行了定性评估,以证明其有效性和附加值。
2023-02-14 cs.AI cs.IR
Neural Approaches to Conversational Information Retrieval
Microsoft(微软)
会话式信息检索(CIR)系统是具有会话接口的信息检索(IR)系统,该会话接口允许用户与系统交互以经由口头或书面形式的自然语言的多轮会话来寻找信息。深度学习的最新进展为自然语言处理(NLP)和会话人工智能带来了巨大的改进,导致了大量的商业会话服务,这些服务允许自然的口语和打字交互,从而增加了对IR中以人为中心的交互的需求。因此,我们目睹了研究社区和行业对开发现代CIR系统的重新兴趣。这本书调查在CIR的最新进展,集中在神经的方法,已在过去几年中开发。本书基于作者在SIGIR'2020上的教程(Gao等人,2020年b),IR和NLP社区作为主要目标受众。然而,具有其他背景的观众,如机器学习和人机交互,也会发现它是对CIR的一个容易理解的介绍。我们希望这本书能成为学生、研究人员和软件开发人员的宝贵资源。这份手稿是一份工作稿。欢迎提出意见。
2022-01-13 cs.CL cs.IR
Trustworthy Domain-Specific AI for Structured Knowledge Retrieval and Reasoning
本论文提出一种可扩展架构,将非结构化领域文本转化为结构化知识,通过Binary Bleed和HNMFk等方法及T-SRAG检索,提升检索精度并减少幻觉,应用于多个领域。
2026-10-08 cs.AI cs.IR
BIRCO: A Benchmark of Information Retrieval Tasks with Complex Objectives
Laboratory for Emerging Intelligence(新兴智能实验室);University of California, San Diego(加州大学圣迭戈分校)
本文提出BIRCO基准,用于评估IR系统面对多方面复杂用户目标时的文档检索能力,并通过模块化框架发现简单基线可匹敌或超越复杂方法。
2024-04-03 cs.AI cs.CL cs.IR
Novelty-Aware Agentic Retrieval: Comparing Research Contributions Through Structured Multi-Step Reasoning
University of South Dakota(南达科他大学)
提出新颖性感知研究智能体,通过结构化多步推理增强RAG,实现论文间重叠、差异及问题-方法缺失的对比分析,在100篇论文语料上支持五种结构化比较能力。
2026-06-23 cs.IR
On Type-Aware Entity Retrieval
University of Stavanger(斯塔万格大学)
如今,响应于搜索查询而从知识库返回实体的实践已经变得普遍。实体的显著特征之一是它们是类型化的,即,被分配给某种层次结构组织的类型系统(类型分类法)。本文的主要目的是更好地了解如何在实体检索中利用实体类型信息。我们在一个理想化的“oracle”设置中执行此调查,假设我们知道给定查询的相关实体的目标类型的分布。我们进行了深入的分析三个主要方面:(i)类型分类的选择,(ii)层次类型信息的表示,(iii)在检索模型中的组合基于类型和基于术语的相似性。使用基于DBpedia的标准实体搜索测试集合,我们发现,当使用提供非常特定类型的大型类型分类法时,类型信息证明是最有用的。我们提供了进一步的见解实体的延伸覆盖范围和效用的目标类型。
2017-08-28 cs.AI cs.CL cs.IR
R3-REC: Reasoning-Driven Recommendation via Retrieval-Augmented LLMs over Multi-Granular Interest Signals
Sydney Smart Technology College, Northeastern University, China(悉尼智能技术学院,东北大学,中国)
本文针对序列推荐中的证据不足和动态多维意图建模问题,提出R3-REC框架,通过多级用户意图推理、物品语义提取等模块提升推荐效果,实验显示在多个数据集上优于基线模型。
2026-03-14 cs.AI cs.IR
Ontology-based Adaptive e-Textbook Platform for Student and Machine Co-Learning
电子教科书(e-book)因其灵活性、可访问性、交互性和可扩展性,多年来一直受到广泛研究。然而,目前电子书的缺点,这往往只是一个数字化版本的原始书籍,并不鼓励采用。因此,这导致了对电子书的重新思考,应该结合当前的技术来增强其功能,其中包括信息搜索和组织工具已被证明是有利的。本文从信息检索的角度出发,对如何在这类工具中加入智能进行了初步的研究。首先介绍了以较小的开销构建电子图书素材的知识图谱。然后通过随机游走执行通过类型化相似性查询的信息检索。案例研究表明了该电子书平台的适用性,在电子教材领域具有广阔的应用前景和发展前景。
2018-01-20 cs.DL cs.IR
Structure Over Scale: Schema-Constrained Causal Graphs for RAG
Boston Consulting Group(波士顿咨询集团)
研究针对GraphRAG问题,提出HCG-RAG,用模式约束因果图取代开放式提取,构建紧凑两层图。该方法成本低,答案质量优,在医学等基准测试中表现出色,对比实验显示因果图作为检索过滤器有优势,表明图内容比节点数量更重要。
2026-07-28 cs.AI cs.CL cs.IR
Asking Clarifying Questions in Open-Domain Information-Seeking Conversations
Università della Svizzera italiana (USI)(瑞士意大利语区大学(USI));University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
用户往往无法在一个查询中表达其复杂的信息需求。因此,他们可能需要扫描多个结果页面或重新制定他们的查询,这可能是一个令人沮丧的经历。或者,系统可以通过主动询问用户的问题来澄清他们的信息需求,从而提高用户满意度。在会话系统中,提出澄清性问题尤其重要,因为它们只能返回有限数量的结果(通常只有一个)。在本文中,我们制定了开放域信息寻求会话系统中的问题澄清的任务。为此,我们提出了一种离线评估方法,并通过众包收集了一个名为Qulac的数据集。我们的数据集建立在TREC Web Track 2009-2012数据的基础上,由198个TREC主题的10 K多个问答对组成,涉及762个方面。我们在Oracle模型上的实验表明,只问一个好问题,就P@1而言,检索性能提高了170%以上,这清楚地表明了任务的潜在影响。我们进一步提出了一个检索框架,包括三个组成部分:问题检索,问题选择,和文档检索。特别是,我们的问题选择模型考虑到原始查询和以前的问答互动,同时选择下一个问题。我们的模型显著优于竞争基准。为了促进这一领域的研究,我们公开了Qulac。
2019-07-15 cs.AI cs.CL cs.IR
MagicLens: Self-Supervised Image Retrieval with Open-Ended Instructions
The Ohio State University(俄亥俄州立大学);Google DeepMind(谷歌DeepMind)
提出自监督图像检索模型MagicLens,利用网页自然图像对的隐式关系并通过基础模型合成开放式指令进行训练,在多项基准上超越先前方法且模型更小。
2024-06-24 cs.AI cs.CL cs.CV
Guided Transformer: Leveraging Multiple External Sources for Representation Learning in Conversational Search
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Microsoft(微软)
响应于模糊或分面查询而提出澄清性问题已经被认为是用于各种信息检索系统,特别是具有有限带宽接口的会话式搜索系统的有用技术。分析和生成澄清问题最近已经被研究,但准确利用用户的反应澄清问题已经相对较少探索。在本文中,我们使用一种新的注意力机制来丰富Transformer网络学习到的表示,该机制来自外部信息源,对会话中的每个术语进行加权。我们在一个包括澄清问题的对话搜索场景中评估这个引导式Transformer模型。在我们的实验中,我们使用了两个独立的外部来源,包括检索到的顶级文档和一组不同的可能的查询澄清问题。我们实现了建议的表示学习模型的两个下游任务,在会话搜索:文档检索和下一个澄清问题的选择。我们的实验使用公共数据集进行搜索澄清,并与竞争基线相比表现出显着的改进。
2020-06-13 cs.CL cs.IR cs.LG
iAgentBench: Benchmarking Sensemaking Capabilities of Information-Seeking Agents on High-Traffic Topics
University of Washington(华盛顿大学)
iAgentBench通过整合多源证据来评估信息检索代理在高流量话题中的理解能力,强调证据使用而非单纯检索的重要性。
2026-03-04 cs.CL cs.IR cs.LG
Mandol: An Agglomerative Agent Memory System for Long-Term Conversations
Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);Microsoft Research(微软研究院)
提出Mandol聚合式记忆系统,通过统一内存原生架构整合碎片化记忆,结合层次化记忆模型、聚合语义数据结构与量化查询机制,在长期对话基准上取得最佳准确率并实现5.4倍检索加速。
2026-06-29 cs.AI cs.CL cs.DB