Rank-Deviation Quality: A Distance-Aware Metric for Multi-Answer Retrieval and Ranking Evaluation
Amazon(亚马逊)
研究人员提出适用于多答案检索与排序评估的RDQ指标,该指标基于序数排序,兼顾返回项与排序,在POI数据集和TREC基准测试中展现出良好性能。
2026-08-27 cs.IR
SemanticZ at SemEval-2016 Task 3: Ranking Relevant Answers in Community Question Answering Using Semantic Similarity Based on Fine-tuned Word Embeddings
Research Training Group AIPHES(AIPHES研究培训组);Institute for Computational Linguistics(计算语言学研究所);Heidelberg University(海德堡大学);Qatar Computing Research Institute, HBKU(哈马德·本·哈利法大学卡塔尔计算研究所)
我们描述了我们在社区论坛中寻找好答案的系统,如SemEval-2016,关于社区问答的任务3中所定义的。我们的方法依赖于几个语义相似性特征的基础上微调词嵌入和主题的相似性。在主要的子任务C中,我们的主要提交排名第三,MAP为51.68,准确率为69.94。在子任务A中,我们的主要提交也是第三名,MAP为77.58,准确率为73.39。
2019-11-20 cs.AI cs.CL cs.IR
Learning to Blend by Relevance
各种垂直搜索引擎的出现凸显了一个事实,即单一的排名技术无法处理搜索问题的复杂性和规模。例如,视频和图像搜索背后的技术与一般的网络搜索非常不同。它们的排名功能几乎没有共同点。问答网站(例如,哇哦!答案)可以利用为一般web开发的文本匹配和点击功能,但它们有独特的页面结构和丰富的用户反馈,例如,大拇指向上和大拇指向下评级在雅虎!答案,这大大有利于自己的排名。即使对于答案和一般网络共享的那些特征,特征和相关性之间的相关性也可能非常不同。因此,需要专门的功能,以便更好地对各个域中的文件进行排名。这些专用函数定义在不同的特征空间上。然而,每个域都有一个搜索框,既不高效也不可扩展。而不是键入相同的查询两次到两个雅虎!搜索和Yahoo!回答和检索两个排名列表,我们宁愿把它只一次,但从这两个领域的主题收到一个全面的文件列表。这种情况需要新的技术,将来自不同来源的文档混合到一个单一的排名列表中。尽管混合列表的内容丰富,但它仍然必须按照相关性进行排序,我们称这种技术为混合,这是本文的主要主题。
2010-09-23 cs.IR
aNMM: Ranking Short Answer Texts with Attention-Based Neural Matching Model
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所)
作为基于特征工程的问答方法的替代方案,最近已经提出了诸如卷积神经网络(CNN)和长短期记忆模型(LSTM)的深度学习方法,用于问题和答案的语义匹配。然而,为了达到良好的效果,这些模型已经与额外的功能相结合,如单词重叠或BM 25分数。如果没有这种组合,这些模型的表现明显不如基于语言特征工程的方法。在本文中,我们提出了一个基于注意力的神经匹配模型的排名简答文本。我们采用值共享的加权方案,而不是位置共享的加权方案,以结合不同的匹配信号,并结合使用问题注意力网络的问题术语重要性学习。使用流行的基准TREC QA数据,我们表明,相对简单的aNMM模型可以显着优于其他神经网络模型,已用于问答任务,并与模型相结合的其他功能是有竞争力的。当aNMM与其他功能相结合时,它的性能优于所有基线。
2019-06-01 cs.CL cs.IR
PReGAN: Answer Oriented Passage Ranking with Weakly Supervised GAN
Thomson Reuters Labs(汤森路透实验室);University of Montreal(蒙特利尔大学);Huawei Poisson Lab.(华为泊松实验室);Tshinghua Univeristy(清华大学)
除了主题相关性之外,开放域类事实问答的段落排名还需要段落包含答案(可回答性)。虽然最近的一些研究已经将一些阅读能力纳入到排名器中以说明可回答性,但排名器仍然受到该领域通常可用的训练数据的噪声性质的阻碍,其将包含答案实体的任何段落视为阳性样本。然而,文章中的答案实体不一定与给定的问题相关。为了解决这个问题,我们提出了一种称为\ttt{PReGAN}的方法,用于基于生成对抗神经网络的通道重新排序,该方法除了包含主题相关性外,还包含了一个可回答性。我们的目标是迫使生成器将与主题相关并包含答案的段落排名更高。在5个公开数据集上的实验表明,\ttt{PReGAN}能够更好地对合适的段落进行排序,从而提高了问答系统的有效性,并且在不使用外部数据的情况下优于现有方法。
2022-07-05 cs.AI cs.CL cs.IR
Training a Ranking Function for Open-Domain Question Answering
New York University(纽约大学)
近年来,用于机器阅读的深度学习方法取得了惊人的进展。在机器阅读中,机器阅读器必须从给定的地面真理段落中提取答案。近年来,最先进的机器阅读模型在SQuAD(一种阅读理解风格的问答(QA)任务)中达到了人类水平的性能。机器阅读的成功启发了研究人员将信息检索与机器阅读相结合来解决开放领域的问答问题。然而,与阅读理解式QA相比,这些系统的表现很差,因为很难检索包含问题答案的段落片段。在这项研究中,我们提出了两个神经网络排名器,根据它们包含给定问题答案的可能性为不同的段落分配分数。此外,我们还分析了语义相似度和词级相关匹配在开放域问答中的相对重要性。
2018-04-12 cs.CL cs.IR
Shallow pooling for sparse labels
近年来,在核心IR任务方面取得了巨大进展,包括文件和段落排名。数据集和排行榜,特别是MS MARCO数据集,说明了现代神经排名器所取得的巨大进步。与传统的测试集合相比,MS MARCO数据集采用了更多的查询,每个查询的已知相关项少得多。鉴于这些相关性标签的稀疏性,MS MARCO排行榜使用平均倒数排名(MRR)跟踪改进。从本质上讲,一个相关的项目被视为“正确答案”,排名者根据他们将这个项目放在排名前列的能力来打分。在使用这些稀疏标签的过程中,我们观察到排名器返回的顶部项目通常优于判断的相关项目。为了测试这一观察结果,我们雇佣了众包工作人员在现代神经排名堆栈返回的顶级项目和判断的相关项目之间进行偏好判断。结果支持了我们的观察。如果我们在MRR下想象一个完美的排名器,所有查询的得分都是1,我们的偏好判断表明,一个神经元会更频繁地选择来自现代神经排名堆栈的最高结果,而不是来自想象中的完美排名器的最高结果,使我们的神经排名器“比完美更好”。为了理解排行榜的含义,我们从超过500个查询的通道排名排行榜顶部附近的可用运行中汇集了顶部文档。我们雇用了众包工作人员对这些池进行偏好判断,并重新评估了运行。我们的研究结果支持了我们的担忧,即目前的MS MARCO数据集可能不再能够识别排名的真正改善。在未来,如果排名是衡量一个单一的“正确答案”,这个答案应该是最好的答案或最首选的答案,并保持与持续的判断…
2022-02-28 cs.IR
Poset representation and similarity comparisons os systems in IR
在本文中,我们使用偏序集表示来描述复杂的答案后,IR系统的聚类和排名过程。所考虑的答案可以通过地图表示或文件的专题分项清单提供。偏序集表示,与图论和关系表示开辟了许多新的相似性度量的定义,能够考虑到聚类和排名过程的观点。我们提出了一个一般的方法来构造新的相似性措施,并给出了几个例子。这些措施可以用于半有序分区;此外,在两组答案的比较中,相应的相似性指标是常见答案的呈现等级的递增函数。
2009-06-17 cs.IR
Learning to Rank Question Answer Pairs with Bilateral Contrastive Data Augmentation
The Chinese University of Hong Kong(香港中文大学)
在这项工作中,我们提出了一种新的和易于应用的数据增强策略,即双边生成(BiG),具有对比训练目标,以提高现有标记数据的问答对排名的性能。具体来说,我们用两个预训练的生成模型来合成伪正QA对,而不是原始的负QA对,一个用于问题生成,另一个用于答案生成,这些模型是在原始数据集中有限的正QA对上进行微调的。利用增强后的数据集,我们设计了一个对比训练目标,用于学习排序问题答案对。在三个基准数据集上的实验结果表明,该方法充分利用了已有的标记数据,显著提高了排序模型的性能,并且可以方便地应用于不同的排序模型。
2021-09-30 cs.CL cs.IR
WikiHint: A Human-Annotated Dataset for Hint Ranking and Generation
University of Innsbruck(因斯布鲁克大学)
本文提出WikiHint数据集和HintRank评估方法,通过生成和排名提示来增强人类推理,实验表明数据集提升提示有效性,结合答案信息改善质量,编码器模型排名更优。
2025-04-20 cs.CL cs.IR
Powering COVID-19 community Q&A with Curated Side Information
社区问答和讨论平台,如Reddit,雅虎!答案或Quora为用户提供了向大量受众提出开放式问题的灵活性,并且对这些问题的回答可能对用户和社区关于诸如健康、体育或金融之类的某些主题都有用。鉴于最近围绕COVID-19发生的事件,其中一些平台已经吸引了2000多个用户关于与疾病相关的几个方面的问题。鉴于这种疾病对公众的影响,在这项工作中,我们研究了如何提高用户生成的关于COVID-19的答案的排名。我们特别探讨了辅助信息的外部技术来源(如CDC指南或WHO常见问题解答)在改善此类平台上的答案排名方面的效用。我们发现,基于问答相似度的用户答案排名是不够的,现有的模型不能有效地利用外部(侧)信息。在这项工作中,我们展示了不同的基于注意力的神经模型的有效性,这些模型可以直接利用技术文档或经验证的论坛(例如,COVID-19或世卫组织网站上的研究出版物)。通过温度机制增强,基于注意力的神经模型可以选择性地确定给定用户问题的辅助信息的相关性,同时对答案进行排名。
2021-01-27 cs.HC cs.IR
Pentagon at MEDIQA 2019: Multi-task Learning for Filtering and Re-ranking Answers using Language Inference and Question Entailment
Carnegie Mellon University(卡内基梅隆大学)
像微调的BERT和MT-DNN这样的并行深度学习架构已经迅速成为最先进的技术,大大绕过了以前的深度和浅层学习方法。最近,来自大型相关数据集的预训练模型已经能够在许多下游任务上表现良好,只需对特定领域的数据集进行微调。然而,由于并行架构的输入大小限制和极小的数据集(不足以进行微调),在非平凡任务(如排名和大型文档分类)上使用强大的模型仍然是一个挑战。在这项工作中,我们引入了一个端到端的系统,在多任务设置中进行训练,以过滤和重新排列医疗领域的答案。我们使用特定于任务的预训练模型作为深度特征提取器。在ACL-BioNLP研讨会MediQA问答共享任务上,我们的模型达到了最高的Spearman的Rho和平均倒数秩分别为0.338和0.9622。
2019-07-01 cs.CL cs.IR cs.LG
Promotion of Answer Value Measurement with Domain Effects in Community Question Answering Systems
University of Science and Technology of China(中国科学技术大学);Baidu, Inc.(百度公司)
在社区问答领域,答案选择和答案排序是帮助用户快速获取有价值答案的两个任务。现有的解决方案主要利用问题和相关答案之间的句法或语义相关性,其中CQA中的多方面领域效应仍然没有得到充分的研究。在本文中,我们提出了一个统一的模型,增强的注意递归神经网络(EARNN),通过充分利用问答语义和多方面的领域效应(即,主题效果和时效性)。具体来说,我们开发了一个序列化的LSTM来学习Q & A的统一表示,其中设计了两个注意力机制,用于捕获主题的深层效果。同时,可以自动区分问答的重点。此外,我们设计了一个时间敏感的排序函数来模拟CQA中的时间性。为了有效地训练EARNN,问题相关的成对学习策略也被开发。最后,我们在Quora的真实数据集上进行了大量的实验。实验结果验证了我们提出的EARNN模型的有效性和可解释性。
2019-07-14 cs.CL cs.IR
Recommandation ontologique multicritère pour la métrologie
匹配和信息排名是帮助用户的过程,通过提供他们的要求可能的最佳答案。当没有确切的答案时,给他们最接近的建议是帮助过程的有效升级。本文以计量学知识表示平台为框架,讨论了基于知识表示的排序问题,提出了一种基于描述逻辑、本体和多准则比较的排序方法。我们提出了一个推理来比较每一个命题与其他的语义和句法的差异,通过截断不同成分中的信息。
2020-05-25 cs.IR
Diverse Multi-Answer Retrieval with Determinantal Point Processes
Language Technologies Research Centre(语言技术研究中心);International Institute of Information Technology, Hyderabad(海得拉巴国际信息技术学院)
通常,提供给开放域问答系统的问题是模糊的。提供单一答案的传统QA系统不能回答模糊的问题,因为问题可以以多种方式解释并且可能具有多个不同的答案。在本文中,我们解决了多答案检索,需要检索的段落,可以捕获大多数的不同答案的问题。我们提出了一种基于重新排序的方法,使用利用BERT作为内核的确定性点过程。我们的方法联合考虑查询通道相关性和查询通道相关性检索的段落,都是查询相关的和不同的。结果表明,我们的重新排名技术优于AmbigQA数据集上的最先进的方法。
2022-11-29 cs.CL cs.IR
Cross Temporal Recurrent Networks for Ranking Question Answer Pairs
Institute for Infocomm Research(资讯通信研究院);Nanyang Technological University(南洋理工大学)
时间门在现代基于递归的神经编码器中发挥着重要作用,可以随着时间的推移对递归组合操作进行细粒度控制。在诸如长短期记忆(LSTM)之类的递归模型中,时间门控制着随着时间的推移保留或丢弃的信息量,不仅在影响学习的表示方面发挥着重要作用,而且还可以防止梯度消失。本文探讨了学习时序门序列对(问题和答案)的想法,共同影响学习的表示成对的方式。在我们的方法中,时间门通过1D卷积层学习,然后交叉应用于联合学习的问题和答案。从经验上讲,我们表明,这种概念上简单的共享时间门可以导致竞争力的性能在多个基准。直观地说,我们的网络所实现的可以被解释为学习问题和答案对的表示,这些问题和答案对知道彼此在记住或忘记什么,即,成对时间门控通过大量的实验,我们表明,我们提出的模型在两个基于社区的QA数据集上实现了最先进的性能,在一个基于事实的QA数据集上实现了具有竞争力的性能。
2017-11-21 cs.AI cs.CL cs.IR
A Neural Model for Joint Document and Snippet Ranking in Question Answering for Large Document Collections
Athens University of Economics and Business(雅典经济与商业大学);Research Center ‘Athena’(“雅典娜”研究中心);Institute for Language and Speech Processing(语言与语音处理研究所)
用于大型文档集合的问答(QA)系统通常使用流水线,该流水线(i)检索可能相关的文档,(ii)对它们进行重新排名,(iii)对排名靠前的文档的段落或其他片段进行排名,以及(iv)选择排名靠前的片段的跨度作为精确答案。管道在概念上很简单,但是错误会从一个组件传播到下一个组件,后面的组件无法修改前面的决策。我们提出了一个架构,联合文档和片段排名,两个中间阶段,利用相关文档有好的片段和好的片段来自相关文档的直觉。该架构是通用的,可以用于任何神经文本相关性排名器。我们的实验与两个主要的实例化的架构,基于POSIT-DRMM(PDRMM)和基于BERT的排名。在BIOASQ生物医学数据上的实验表明,我们的联合模型在片段检索(QA的主要目标)中的性能大大优于管道,可训练参数较少,在文档检索中也具有竞争力。此外,我们的联合PDRMM为基础的模型是有竞争力的BERT为基础的模型,尽管使用数量级较少的参数。对BIOASQ的两个试验批次进行的人体评价也支持这些声明。为了在另一个数据集上测试我们的关键发现,我们修改了Natural Questions数据集,使其也可以用于文档和片段检索。我们的基于PDRMM的联合模型在修改后的Natural Questions数据集上的片段检索中再次优于相应的管道,尽管它在文档检索中的表现不如管道。我们公开了我们的代码和修改后的Natural Questions数据集。
2021-06-16 cs.IR cs.LG
Ranking Facts for Explaining Answers to Elementary Science Questions
TIB Leibniz Information Centre for Science and Technology(TIB莱布尼茨科学与技术信息中心);University of Bonn(波恩大学)
在多项选择题考试中,学生通常从四个选项中选择一个答案,并解释他们为什么做出这个选择。学生们善于理解自然语言问题,并根据他们的领域知识,可以很容易地推断出问题的答案,通过“连接点”在各种相关的事实。考虑到自动推理的基础科学问答,我们解决的新任务,从人类创作的事实产生的答案的解释。为此,我们研究了功能丰富的支持向量机利用领域为目标的,手工制作的功能,几乎可扩展的框架。解释是从WorldTree语料库中近5,000个候选事实的人工注释集创建的。我们的目标是获得更好的匹配有效的事实的一个问题的正确答案的解释,在可用的事实候选人。为此,我们的功能提供了一个全面的语言和语义统一的范式。机器学习问题是事实的偏好排序,我们测试逐点回归与成对学习排序。我们的贡献是:(1)系统比较两种偏好排序方法的案例研究;(2)它是一种实际可行的方法,可以优于基于BERT的重新排序模型的一些变体;(3)人类工程特征使其成为任务的可解释机器学习模型。
2021-10-18 cs.AI cs.CL cs.IR
Recall Begets Recall: Recurrent Memory Ranking for Personalized LLMs
City University of Hong Kong(香港城市大学);Nanyang Technological University(南洋理工大学);AGH University of Science and Technology(AGH科技大学);Alibaba Group(阿里巴巴集团)
针对现有个性化LLM记忆排序器单次遍历易漏相关记忆、固定截断未适配查询需求的问题,提出循环自终止式记忆排序器ReMind,经公开基准实验取得最优效果。
2026-10-14 cs.IR
Mitigating the Position Bias of Transformer Models in Passage Re-Ranking
TU Wien(维也纳工业大学);University College London(伦敦大学学院)
受监督的机器学习模型及其评估在很大程度上取决于底层数据集的质量。当我们搜索一条相关的信息时,它可能出现在给定段落的任何地方。然而,我们观察到一个偏见的正确答案在文本中的位置在两个流行的问答数据集用于通道重新排名。过度偏爱通道内的较早位置是不想要的人工制品。这导致了三种常见的基于transformer的重新排序模型,以忽略未看到的段落中的相关部分。更令人担忧的是,由于评估集来自相同的偏置分布,因此过拟合该偏置的模型高估了它们的真实有效性。在这项工作中,我们分析了数据集上的位置偏差,上下文表示,以及它们对检索结果的影响。我们提出了一个去偏方法检索数据集。我们的研究结果表明,在位置偏置数据集上训练的模型在去偏置数据集上进行评估时,重新排名的有效性显着降低。我们证明,通过减轻位置偏差,基于transformer的重新排序模型在有偏和去偏数据集上同样有效,并且在两个不同偏数据集之间的迁移学习设置中更有效。
2021-01-18 cs.CL cs.IR
Equal Ranking Quality, Different Decisions: Measuring and Reducing Order Dependence in LLM Scorers
Thomson Reuters Labs(汤姆森路透实验室);University of Toronto(多伦多大学);Vector Institute(矢量研究所)
该研究发现排名质量相当的大语言模型评分器决策存在差异,提出OC-SFT方法减弱顺序依赖性,提升决策稳定性,建议对比研究需报告阈值保留内容和读者回答而非仅排名质量。
2026-09-29 cs.CL cs.IR cs.LG
Distilling a Small Utility-Based Passage Selector to Enhance Retrieval-Augmented Generation
State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences(人工智能安全国家重点实验室,计算技术研究所,中国科学院);University of Chinese Academy of Sciences(中国科学院大学);Baidu Inc(百度公司)
提出将大语言模型的效用判断能力蒸馏至小型模型,实现基于效用的动态段落选择,以降低计算成本并提升RAG复杂查询的答案生成质量。
2025-10-09 cs.AI cs.CL cs.IR
Policy-Gradient Training of Language Models for Ranking
Cornell University(康奈尔大学)
针对基于LLM的检索器依赖复杂启发式对比损失训练的问题,提出Neural PG-RANK算法,将LLM实例化为Plackett-Luce排序策略,通过策略梯度端到端训练,统一训练目标与下游决策质量,在域内性能和部分域外泛化上取得显著提升。
2024-11-23 cs.AI cs.CL cs.IR