Seed-based information retrieval in networks of research publications: Evaluation of direct citations, bibliographic coupling, co-citations and PubMed related article score
该研究以系统综述和 NIH Open Citation Collection 为基准,评估直接引用、共被引、书目耦合及 PubMed Related Article 评分,发现组合引用方法并结合文本方法效果最佳。
2024-06-13 cs.IR
Scoring a Set, Not Summing Passage Scores: Effective and Efficient Set Retrieval
Seoul National University(首尔大学);Graduate School of Data Science(数据科学研究生院)
针对多跳问答等任务中证据段落选择问题,提出集合级检索框架,通过查询-集合兼容性评分训练,用ParaSet和SetCE两个评分器实例化,提升了检索性能及下游问答任务性能,且集合级检索器有互补特性。
2026-10-01 cs.IR
On Approximate Nearest Neighbour Selection for Multi-Stage Dense Retrieval
稠密检索,它描述了使用上下文的语言模型,如BERT,以识别文件的集合,通过利用近似最近邻(ANN)技术,已经越来越受欢迎。根据文档和查询是由单个还是多个嵌入表示,出现了两种方法。ColBERT是后者的典范,它使用ANN索引和近似分数来为每个查询嵌入识别一组候选文档,然后使用准确的文档表示对其进行重新排名。以这种方式,对于每个查询可以检索大量文档,这阻碍了该方法的效率。在这项工作中,我们研究使用人工神经网络的分数排名的候选文件,以减少被充分评分的候选文件的数量。在MSMARCO段落排名语料库上进行的实验表明,通过使用近似分数将候选集切割为仅200个文档,我们仍然可以获得有效的排名,而在有效性上没有统计上的显著差异,并导致效率提高2倍。
2021-08-25 cs.IR
Adapting Voting Techniques for Online Forum Thread Retrieval
在线论坛或留言板是丰富的知识型社区。在这些社区中,线索检索是促进信息访问的重要工具。然而,主题搜索的问题是如何结合文本单元(消息)的证据来估计主题相关性。在本文中,我们首先排名的消息列表,然后我们得分线程通过汇总排名的消息的分数。聚合的消息分数,我们采用了几种投票技术,已应用于排名聚合任务,如博客蒸馏和专家发现。实验结果表明,许多投票技术应该优先于基线,将线程作为其消息文本的串联。
2013-01-16 cs.IR
Real-Time Hybrid Retrieval in Hyperbolic Space for Retrieval-Augmented Generation on Edge Devices
International Institute of Information Technology(印度信息科学研究院)
该研究提出一种基于洛伦兹模型双曲空间的混合文档检索系统,通过HyTE-H变换投影词嵌入,结合BM25与洛伦兹相似度评分,在BEIR基准数据集上取得良好效果,可在边缘设备实现RAG实时检索。
2026-08-04 cs.IR
Wacky Weights in Learned Sparse Representations and the Revenge of Score-at-a-Time Query Evaluation
最近的进展,检索模型的基础上学习稀疏表示生成的Transformers器,使我们再次考虑得分在一个时间查询评估技术的前k检索问题。以前的研究比较文档在一个时间和分数在一个时间的方法一直发现,前者的方法产生较低的平均查询延迟,虽然后者的方法有更多的可预测的查询延迟。在我们对四种不同的检索模型进行的实验中,我们发现Transformers会生成“古怪的权重”,这似乎大大减少了跳过和提前退出优化的机会,而这些优化是标准文档一次技术的核心。因此,得分在一个时间的方法似乎是更有竞争力的查询评估延迟比以前的研究。我们发现,如果可以容忍高达百分之三的有效性损失,得分在一个时间的方法可以产生实质性的收益,平均查询延迟,同时大大减少尾部延迟。
2021-10-28 cs.IR
Streamlining Conformal Information Retrieval via Score Refinement
Verily AI (Google Life Sciences)(Verily AI(谷歌生命科学));Technion(以色列理工学院)
针对现有共形信息检索方法生成集合规模大、成本高的问题,提出对检索分数做单调变换的分数精炼法,在保留统计保证的同时缩小共形集,经BEIR基准验证可生成含相关信息的紧凑集合。
2024-10-03 cs.AI cs.IR cs.LG
The Magnitude Mirage: Rethinking Confidence for Reasoning-Intensive Retrieval
UNSW Sydney(新南威尔士大学);University of Innsbruck(因斯布鲁克大学)
针对RAG检索弃权(不执行)中幅度置信度的失效问题,提出采用分数分布信号(如分数差距和LSMV)替代幅度阈值,在逻辑与时间推理任务上显著提升弃权(不执行)AUROC,且零额外成本。
2026-09-15 cs.IR
Investigating Retrieval Method Selection with Axiomatic Features
我们认为算法选择的上下文中的ad-hoc信息检索。给定一个查询和一对检索方法,我们提出了一个元学习器,预测如何结合的方法的相关性得分到一个整体的相关性得分。受神经模型关于IR公理的不同属性的启发,这些预测基于量化查询及其排名靠前的文档的公理相关属性的特征。我们对TREC Web Track数据进行了评估,发现元学习者通常比单个方法有显着改进。最后,我们进行特征和查询权重分析,以调查元学习者的行为。
2019-04-11 cs.IR
A comparative study of approaches in user-centered health information retrieval
在本文中,我们调查各种以用户为中心或基于上下文的生物医学健康信息检索系统。我们提出并讨论了在CLEF电子健康2014任务3中提交的系统的性能。我们对生物医学信息检索中最流行的两种检索模型进行了分类和重点比较,即:语言模型(LM)和向量空间模型(VSM)。我们还报告了使用外部医疗资源和本体的有效性,如MeSH,Metamap,UMLS等。基于VSM的检索系统在各个方面都优于基于VSM的系统。根据结果,我们得出结论,MAP的最新系统评分为0.4146,P@10为0.7560,NDCG@10为0.7445。所有这些分数都是由基于语言建模方法的系统报告的。
2015-05-07 cs.IR
Relevance Filtering for Embedding-based Retrieval
针对 ANN 稠密检索缺乏天然截断且余弦分数难以解释的问题,提出 Cosine Adapter,用查询相关映射与全局阈值过滤不相关结果,显著提升精度并仅损失少量召回。
2024-08-09 cs.IR
Towards Recursive Self-Evolving Agentic Literature Retrieval
Shanghai Jiao Tong University(上海交通大学);SciLand;Zhejiang University(浙江大学)
本文提出PaSaMaster系统,通过迭代意图分析、检索和排序,实现证据支持的文献推荐,解决传统关键词检索和生成式LLM的局限性,提升文献检索的准确性和效率。
2026-06-26 cs.IR
T-Retrievability: A Topic-Focused Approach to Measure Fair Document Exposure in Information Retrieval
University of Glasgow(格拉斯哥大学)
针对现有全局可检索性指标无法准确衡量检索模型曝光偏差的问题,提出主题聚焦的T-Retrievability度量,通过局部主题组计算聚合得到更可靠的公平性评估结果。
2025-11-17 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
Direct content-based retrieval from music scores images
Pattern Recognition and Artificial Intelligence Group, University of Alicante(阿利坎特大学模式识别与人工智能小组);Instituto Superior de Enseñanzas Artísticas de la Comunidad Valenciana(瓦伦西亚社区艺术教育研究所)
研究乐谱图像内容检索方法,比较基于光学音乐识别的转录方法、无转录Transformer模型和文本提示大语言模型在不同数据集上的表现。
2026-05-28 cs.CV cs.IR
A Replicability Study of XTR
Johns Hopkins University(约翰斯·霍普金斯大学);Human Language Technology Center of Excellence(人类语言技术中心卓越中心)
本文复现了XTR算法及其训练目标,扩展至知识蒸馏和高效检索引擎,发现XTR在某些场景下不如ColBERT有效,但提升了IVF检索效率。
2026-05-01 cs.IR
Algebraic Retrieval: Composable Search for Agents
代数检索通过数学查询组合搜索策略,基于PEM实现对比评分、重排序和加权排序,在Vaswani基准上验证了执行等价性。
2026-09-18 cs.IR
Assessing Efficiency-Effectiveness Tradeoffs in Multi-Stage Retrieval Systems Without Using Relevance Judgments
大规模的检索系统通常是作为一个级联序列的阶段实现的-第一个过滤步骤,其中一个大的候选文件集是使用一个简单的技术,如布尔匹配和/或静态文档评分提取;然后一个或多个排名步骤,其中过滤器检索的文档池更精确地使用几十个或几百个不同的功能。然后,返回给用户的文档从最终排名列表的头部开始。在这里,我们将研究用于测量过滤和初步排名阶段的质量的方法,并展示如何使用这些测量来调整系统的整体性能。用于整体系统评估的标准的最高加权度量不适合评估过滤阶段,因为输出是一组文档,而不是有序的文档序列。相反,我们使用一种方法,在这种方法中,质量分数是根据过滤和完整评估之间的差异计算的。与以前的方法不同,我们的方法不需要相关性判断,因此几乎可以用于任何查询集。我们表明,这种质量分数直接相关的实际差异时,测量的有效性的相关性判断。由于质量分数不需要相关性判断,因此它可以用于识别对于给定过滤器表现特别差的查询。使用这些方法,我们探索了广泛的过滤选项,使用数以千计的查询,分类不同方法的相对优点,并确定有用的参数组合。
2015-06-02 cs.IR
Online Forum Thread Retrieval using Pseudo Cluster Selection and Voting Techniques
在线论坛促进了在网上寻求和分享知识。然而,由于信息过载,共享知识没有得到充分利用。线索检索是克服信息过载的一种方法。在本文中,我们提出了一个模型,结合了现有的两种方法:伪簇选择和投票技术。在这两种情况下,检索系统首先对消息列表进行评分,然后通过聚合它们的评分消息来对线程进行排名。它们在聚合什么和如何聚合上存在分歧。伪聚类选择关注于输入,而投票技术关注于聚合方法。我们的组合模型侧重于输入和聚合方法。结果表明,一些组合模型在统计上优于基线方法。
2012-12-21 cs.IR
From "Identical" to "Similar": Fusing Retrieved Lists Based on Inter-Document Similarities
用于融合响应于查询而检索的文档列表的方法通常利用列表中的文档的检索分数和/或排名。我们提出了一种新的融合方法,该方法是基于使用,此外,从文档间的相似性引起的信息。具体来说,我们的方法让来自不同列表的类似文档相互提供相关性状态支持。我们使用基于图的方法来建模文档之间的相关性状态传播。传播由文档间相似性和列表中文档的检索分数决定。实证评估表明,我们的方法在融合TREC运行的有效性。我们最有效的方法的性能超越了只利用检索分数或排名的有效融合方法。
2014-01-16 cs.IR
LeiBi@COLIEE 2022: Aggregating Tuned Lexical Models with a Cluster-driven BERT-based Model for Case Law Retrieval
本文总结了我们提交给2022年法律信息抽取/蕴涵竞赛(COLIEE)案例法检索任务的方法。我们的方法包括四个步骤;详细地说,给定一个法律案件作为查询,我们通过提取各种有意义的句子或n-gram来重新表达它。然后,我们利用预处理的查询案例来检索可能的相关法律案例的初始集合,我们进一步重新排序。最后,我们将第一阶段和重新排序模型获得的相关性得分进行聚合,以提高检索效率。在我们方法的每一步中,我们探索了各种知名和新颖的方法。特别是,为了重新制定旨在使它们更短的查询案例,我们使用三种不同的统计方法提取一元语法:KLI,PLM,IDF-r,以及利用嵌入的模型(例如,KeyBERT)。此外,我们还研究了使用Longformer-Encoder-Decoder(LED)的自动摘要是否可以为该检索任务产生有效的查询表示。此外,我们提出了一种新的重新排序聚类驱动的方法,它利用Sentence-BERT模型,这些模型在大量数据上进行了预调整,用于从查询和候选文档中嵌入句子。最后,我们采用了线性聚合的方法来结合传统的IR模型和基于神经模型的相关性得分,旨在将神经模型的语义理解和统计测量的主题相关性。我们表明,这些相关性分数的聚合可以提高整体检索效率。
2022-05-26 cs.IR
A novel model for query expansion using pseudo-relevant web knowledge
在信息检索领域,查询扩展(QE)一直被用作处理用户查询与目标信息之间的词不匹配的基本问题的技术。在查询词与扩展词之间的关系上下文中,现有的加权技术往往不能恰当地捕捉词与词之间的关系以及词与整个查询词之间的关系,导致检索效率较低。我们提出的QE方法通过提出三个加权模型来解决这个问题,这三个加权模型基于(1)tf-itf,(2)基于k-最近邻(kNN)的余弦相似性,以及(3)相关性得分。此外,为了提取扩展术语的初始集合,我们使用由三个流行的搜索引擎即Google、Bing和DuckDuckGo返回的前N个网页组成的伪相关网络知识来响应原始查询。在这三个加权模型中,tf-itf对从网络内容中获得的每个单独术语进行评分,基于kNN的余弦相似度对扩展术语进行评分以获得术语与术语的关系,相关性评分对选定的扩展术语相对于整个查询进行加权。该模型被称为基于Web知识的查询扩展(WKQE),在FIRE数据集上,与未扩展的查询相比,MAP得分提高了25.89%,GMAP得分提高了30.83%。与其他相关方法的WKQE技术的比较分析清楚地表明显着改善检索性能。我们还分析了不同数量的伪相关文档和扩展条款的检索效果的建议模型。
2019-08-27 cs.IR
Implementation of an efficient Fuzzy Logic based Information Retrieval System
本文介绍了一个利用模糊逻辑计算数据集和查询之间相似度的高效信息检索系统的实现。TREC数据集也被用于同样的目的。数据集被解析以生成关键字索引,该索引用于与用户查询的相似性比较。每个查询都根据其与索引关键字的模糊相似性分配一个得分值。基于得分值检索相关文档。使用精确-召回曲线将所提出的模糊相似性模型的性能和准确性与余弦相似性模型进行了比较。实验结果证明了基于模糊相似度的信息检索系统的优越性。
2015-03-13 cs.IR
An Analysis of Fusion Functions for Hybrid Retrieval
本文分析了文本检索中混合搜索的融合函数,比较了凸组合(CC)与Reciprocal Rank Fusion(RRF)方法,发现CC在域内外表现更优且样本高效,而RRF对参数敏感。
2023-05-04 cs.IR
Retrieving Comparative Arguments using Ensemble Methods and Neural Information Retrieval
本研究针对比较性问题的论证检索任务,结合决策树集成、BERT等技术构建排序模型,在赛事中取得相关性第一、质量第二的成绩,可提升比较查询处理性能。
2023-05-01 cs.IR
A Mechanistic Analysis of Gender Sensitivity in Dense Retrieval Models
Brown University(布朗大学);University of Amsterdam(阿姆斯特丹大学);University of Tübingen(蒂宾根大学)
本文通过机制分析定位稠密检索模型性别敏感性源于输入嵌入与后期层注意力头,测试不同引导干预效果,为针对性去偏提供机制基础并指出相关信号分离挑战。
2026-08-07 cs.IR
SkewRoute: Training-Free LLM Routing for Knowledge Graph Retrieval-Augmented Generation via Score Skewness of Retrieved Context
School of Computer Science, University of Science and Technology of China(中国科学技术大学计算机科学学院);School of Biomedical Engineering, USTC(USTC生物医学工程学院);Suzhou Institute for Advanced Reasearch, USTC(USTC苏州市先进研究所)
针对知识图谱检索增强生成中的高推理成本问题,提出首个无训练的即插即用LLM路由框架SkewRoute,利用检索分数分布的偏斜性高效平衡性能与成本,路由有效性提升超3倍且运行时间降至0.001倍以下。
2025-10-11 cs.CL cs.IR
Query Expansion Strategy based on Pseudo Relevance Feedback and Term Weight Scheme for Monolingual Retrieval
使用伪相关反馈的查询扩展是一种有用的和流行的查询重构技术。在我们提出的查询扩展方法中,我们假设相关信息可以在文档中找到中心思想附近。文件通常分为节、段和行。所提出的方法试图提取的关键字,更接近的中心主题的文件。扩展项是通过对伪相关反馈得到的文档进行等频划分,并利用tf-idf得分得到的。idf因子是针对文档中的分区数计算的。使用以下方法选择用于查询扩展的词组:最高得分、平均得分和具有最大数量的关键字的词组。由于不同的查询扩展方法对每个查询的影响不同,因此研究了这些方法在选择查询扩展词时的作用。从最初的研究,我们扩展实验,开发一个基于规则的统计模型,自动选择最好的一组单词,结合tf-idf评分和3种方法在这里解释,在未来。实验在FIRE 2011 Adhoc印地语和英语测试集上进行,每个测试集上有50个查询,使用Terrier作为检索引擎。
2015-02-18 cs.IR
Advancing Similarity Search with GenAI: A Retrieval Augmented Generation Approach
提出一种用于相似性搜索的 RAG 方法,利用生成模型理解上下文并检索语义相似度,在 BIOSSES 上以温度 0.5、20 个提示示例取得 0.905 的 Pearson 相关性。
2024-12-03 cs.IR
Statistical Significance Testing in Information Retrieval: An Empirical Analysis of Type I, Type II and Type III Errors
Delft University of Technology(代尔夫特理工大学)
统计显著性检验被广泛接受为评估有效性差异如何反映系统之间的实际差异的一种手段,而不是由于主题选择而产生的随机噪声。根据最近对SIGIR、CIKM、ECIR和TOIS论文的调查,t检验是IR研究者最流行的选择。然而,以前的工作建议计算机密集型测试,如引导或排列测试,主要基于理论论证。在经验的基础上,其他人提出了非参数的替代方法,如Wilcoxon检验。事实上,我们应该使用哪种测试的问题已经伴随着IR和相关领域几十年了。以前关于这个问题的理论研究是有限的,因为我们知道,测试假设不满足IR实验,和实证研究是有限的,因为我们没有必要的控制零假设计算实际的I型和II型出错率在现实条件下。因此,不仅不清楚使用哪种测试,而且我们应该对它们寄予多大的信任。与过去的研究相比,在本文中,我们采用了最近的模拟方法,从TREC数据去绕过这些限制。我们的研究包括针对一系列测试、系统、有效性度量、主题集大小和效应大小以及双尾和单尾情况计算的超过5亿个p值。有了如此大量的IR评估数据,并充分了解零假设,我们终于能够评估统计显著性检验在IR数据中的真实表现,并为从业者提供合理的建议。
2019-06-05 cs.DL cs.IR cs.LG
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 statistical significance testing approach for measuring term burstiness with applications to domain-specific terminology extraction
本文提出 RICF,一种结合集合频率与文档频率的统计显著性检验启发式方法,用于量化术语突发性,并在 GENIA Term 语料库的术语抽取任务中优于卡方检验且具竞争力。
2024-01-01 cs.IR
Exploring the Nexus Between Retrievability and Query Generation Strategies
针对可检索性评估中查询生成方法缺乏验证的问题,对比人工生成查询与查询日志的可检索性分数,发现二者相关性极低,同时找到一种相关性最高的替代查询生成方法,有望提升无日志时的可复现性。
2024-04-15 cs.IR
Leveraging Query Resolution and Reading Comprehension for Conversational Passage Retrieval
University of Amsterdam(阿姆斯特丹大学);Apple Inc.(苹果公司)
本文介绍了UvA.ILPS集团参加TREC CAST 2020的情况。我们的段落检索管道包括(i)使用BM 25的初始检索模块,以及(ii)将BERT排名模型的得分与针对段落检索调整的机器理解模型的得分相结合的重新排名模块。会话段落检索中的一个重要挑战是查询通常是指定不足的。因此,我们执行查询解析,即使用QuReTeC(术语分类查询解析模型)将会话历史中缺失的上下文添加到当前回合查询中。我们表明,我们最好的自动和手动运行优于相应的中位数运行了很大的保证金。
2021-02-17 cs.CL cs.IR
Loom: Hybrid Retrieval-Scoring Outfit Recommendation with Semantic Material Compatibility and Occasion-Aware Embedding Priors
Loom结合神经嵌入检索与结构化领域评分,通过语义材料权重和场合感知嵌入先验生成高质量服装搭配,实验表明其在评分和违规率上显著优于基线方法。
2026-05-11 cs.CV cs.IR
InsertRank: LLMs can reason over BM25 scores to Improve Listwise Reranking
Emory University(埃默里大学)
针对复杂推理类查询的文档重排序优化需求,提出InsertRank重排序器,结合BM25词汇信号与大语言模型推理能力,在多基准多模型上实现检索效果提升,超越现有方法。
2025-06-17 cs.AI cs.CL cs.IR
Retrieval-GRPO: A Multi-Objective Reinforcement Learning Framework for Dense Retrieval in Taobao Search
Taobao & Tmall Group of Alibaba(阿里巴巴淘宝和天猫集团)
Retrieval-GRPO通过多目标强化学习框架解决密集检索中的硬负样本依赖和跷跷板效应问题,提升复杂长尾查询的语义泛化能力。
2026-02-07 cs.IR
Simple Applications of BERT for Ad Hoc Document Retrieval
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)
最近成功地应用BERT的问答,我们探讨简单的应用程序,特设文件检索。这就需要面对文档所带来的挑战,这些文档通常比BERT设计处理的输入长度要长。我们解决这个问题,通过单独应用句子的推理,然后汇总句子分数产生的文件分数。在TREC微博和新闻专线测试集上的实验表明,我们的方法简单而有效,因为我们报告了我们所知道的神经方法在这些数据集上的最高平均精度。
2019-03-26 cs.CL cs.IR
Unified Interactive Multimodal Moment Retrieval via Cascaded Embedding-Reranking and Temporal-Aware Score Fusion
本文提出通过级联嵌入-重排序和时间感知得分融合实现统一的多模态时刻检索系统,解决跨模态噪声、时间序列连贯性和模态选择问题。
2025-12-15 cs.AI cs.CV cs.IR
Incorporating Query Term Independence Assumption for Efficient Retrieval and Ranking using Deep Neural Networks
Microsoft AI & Research(微软人工智能与研究院)
经典的信息检索(IR)方法,如查询可能性和BM 25,评分文件独立w.r.t.每个查询词,然后累积分数。假设查询术语独立性允许使用这些模型预先计算术语-文档分数--这些模型可以与专门的数据结构(如倒排索引)相结合,以实现高效检索。相比之下,深度神经IR模型将整个查询与文档进行比较,因此通常仅用于后期重新排名。我们将查询项独立性假设纳入三个最先进的神经IR模型:BERT,Duet和CKNRM-并评估它们在段落排名任务上的性能。令人惊讶的是,我们观察到Duet和CKNRM的结果质量没有显著损失,而BERT的结果质量略有下降。然而,通过独立地对每个查询词进行操作,这些计算密集型模型变得易于离线预计算-大大降低了采用最先进的神经排名模型进行查询评估的成本。这种策略使得使用深度模型从大型集合中进行检索变得切实可行,而不是将其使用限制在后期重新排名。
2019-07-08 cs.IR cs.LG
eXplainable Bayesian Multi-Perspective Generative Retrieval
KAIST AI(韩国科学技术院人工智能学院);Samsung Electronics(三星电子)
该研究将贝叶斯不确定性校准与多视角检索结合,利用LIME和SHAP解释分数增强重排序,在问答和事实验证任务的三个KILT数据集上显著提升性能。
2024-02-04 cs.IR cs.LG
PJB: A Reasoning-Aware Benchmark for Person-Job Retrieval
CareerInternational Research Team(CareerInternational研究团队)
PJB基准通过引入领域家族和推理类型标签,揭示人-职位检索系统在不同行业中的性能差异,指出模块升级和重排序对性能的影响不同,强调其在招聘检索系统中的诊断价值。
2026-03-18 cs.CL cs.IR
Quanta: A Self-Contained Python Library for Hybrid Retrieval over Quantised Embeddings, Lexical Indexes, and Knowledge Graphs
Novelcore(诺瓦核心);University of Peloponnese(伯罗奔尼撒大学)
Quanta是一个开源Python库,通过加权倒数排名融合统一量化向量搜索、BM25全文检索和知识图谱遍历,并以图作为候选扩展器而非评分器,实现高效混合检索。
2026-09-17 cs.AI cs.IR
Interpretable Self-supervised Multi-task Learning for COVID-19 Information Retrieval and Extraction
University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校)
COVID-19相关文章的快速发展使得NLP模型很难有效地训练信息检索和提取符合当前流行病分布的相应标记数据。另一方面,由于情况的不确定性,总是需要人类专家的监督来仔细检查这些模型的决策,强调可解释性的重要性。鉴于这些挑战,本研究提出了一个可解释的自我监督多任务学习模型,以联合和有效地解决任务的信息检索(IR)和提取(IE)在当前的紧急卫生危机情况。我们的研究结果表明,我们的模型有效地利用多任务和自监督学习,以提高泛化,数据效率和鲁棒性正在进行的数据集转移问题。我们的模型在IE和IR任务中的表现优于基线,分别为0.08的micro-f得分(LCA-F得分为0.05)和平均0.05的MAP。在IE中,零次和少样本学习性能平均比基线高0.32和0.19微f分数。
2021-06-15 cs.CL cs.IR
Reliable Evaluation Protocol for Low-Precision Retrieval
VAIV Company(VAIV公司);University of Copenhagen(哥本哈根大学);Korea University(高丽大学);University of California, Berkeley(加州大学伯克利分校)
本文提出一种更稳健的检索评估协议,通过高精度评分和考虑 ties 的检索指标减少低精度检索中的评分波动,提高评估可靠性。
2026-04-13 cs.AI cs.CL cs.IR
Predictable Failure in Multi-Hop Retrieval: Score-Distributional Confidence Scoring and Abstention
本研究证明多跳检索失败在结构上可预测,提出RegimeAbstain方法,利用检索置信度分数(RCS)实现校准弃权策略,在多个基准上显著降低自信错误答案率(CWAR),并验证了特征机制的领域无关性。
2026-10-20 cs.CL cs.IR cs.LG
DeepTileBars: Visualizing Term Distribution for Neural Information Retrieval
Georgetown University(乔治城大学)
大多数神经信息检索(Neu-IR)模型基于术语级匹配来获得查询到文档排序分数。受经典术语分布可视化方法TileBars的启发,本文提出了一种新的Neu-IR模型,该模型在子主题和更高级别上处理查询到文档的匹配。我们的系统首先将文档拆分为主题片段,“可视化”查询和片段之间的匹配,然后将交互矩阵馈送到Neu-IR模型DeepTileBars中,以获得最终的排名分数。DeepTileBars对文档主题层次结构中不同粒度的相关性信号进行建模。它更好地捕捉文档的话语结构,从而匹配模式。虽然它的设计和实现是轻量级的,但DeepTileBars在基准数据集上的表现优于其他最先进的Neu-IR模型,包括文本检索会议(TREC)2010-2012 Web Tracks和LETOR 4.0。
2021-06-09 cs.CL cs.IR
RETLLM: Training and Data-Free MLLMs for Multimodal Information Retrieval
College of Computer Science;Software Engineering \ University, Shenzhen, China
RetLLM通过无需训练和数据的框架,利用MLLMs的多模态推理能力提升多模态信息检索性能。
2026-02-25 cs.IR cs.LG
An Information Retrieval Approach to Short Text Conversation
Huawei Technologies(华为技术有限公司)
人机对话被认为是人工智能中最困难的问题之一。在本文中,我们解决它的一个关键的子问题,被称为短文本会话,其中给定的消息从人类,计算机返回一个合理的响应消息。我们利用社交媒体上大量的简短对话数据来研究这个问题。我们建议在第一步将短文本会话形式化为搜索问题,并采用最先进的信息检索(IR)技术来执行任务。我们调查的意义,以及限制IR方法。我们的实验表明,检索为基础的模型可以使系统的行为,而“智能”,当与一个巨大的存储库的会话数据从社交媒体。
2014-08-29 cs.CL cs.IR
Enhancing Model Performance in Multilingual Information Retrieval with Comprehensive Data Engineering Techniques
Netease Inc.(网易公司)
在本文中,我们提出了我们的解决方案,跨语言的连续体(MIRACL)的WSDM杯2023 \footnote{https://project-miracl.github.io/}的多语言信息检索的挑战。我们的解决方案专注于增强排名阶段,在此阶段,我们使用MIRACL数据集对预训练的基于多语言transformer的模型进行微调。我们的模型改进主要是通过各种数据工程技术来实现的,包括收集额外的相关训练数据、数据增强和负采样。我们的微调模型有效地确定查询和文档之间的语义相关性,从而显着提高多语言信息检索过程的效率。最后,我们的团队很高兴在这场具有挑战性的比赛中取得了令人瞩目的成绩,在惊喜语言赛道中获得了第二名,得分为0.835,在已知语言赛道中获得了第三名,在最终排行榜上的16种已知语言中,平均nDCG@10得分为0.716。
2023-02-14 cs.AI cs.IR
Diagnosable ColBERT: Debugging Late-Interaction Retrieval Models Using a Learned Latent Space as Reference
Parallia AI
本文提出Diagnosable ColBERT,通过将ColBERT的词嵌入对齐到基于临床知识的参考潜在空间,以更直接地诊断模型错误并指导数据整理。
2026-04-21 cs.CL cs.IR
Non-negative Elastic Net Decoding for Information Retrieval
NTT, Inc(NTT公司)
提出非负弹性网络(NNN)解码方法,将检索视为联合解码问题,通过稀疏非负线性组合重构查询嵌入,在理论上严格优于稠密检索,实验表明在多个基准上取得一致改进。
2026-06-17 cs.AI cs.CL cs.IR
You Only Use Reactive Attention Slice For Long Context Retrieval
University of California, San Diego(加利福尼亚大学圣迭戈分校);Meta AI (FAIR)(Meta AI(FAIR))
提出基于注意力的检索技术YOURA,利用反应分数排序句子相关性,在保持质量的同时提升长上下文查询的推理吞吐量。
2024-09-03 cs.AI cs.CL cs.IR
Calibrated Fusion for Heterogeneous Graph-Vector Retrieval in Multi-Hop QA
Andre Bacellar(安德烈·巴塞拉)
本文提出PhaseGraph方法,通过百分位排名归一化校准异构检索融合,提升多跳问答中HippoRAG2类基准测试的检索性能。
2026-09-22 cs.IR cs.LG