Proposed Specification of a Distributed XML-Query Network
W3C的XML查询语言为XML存储库上的信息检索提供了强大的工具。本文描述了在真实世界的场景中实现这种检索。分布式XML查询处理将每个参与节点上的负载降低到可接受的水平。网络允许每个参与者自己控制他们的计算负载。此外,XML存储库可能位于权利持有者处,因此每个数据提供者都可以决定是否处理关键查询。如果数据提供者保留冗余信息,则这种分布式网络通过删除重复信息来提高信息的可靠性。
2003-10-15 cs.DC cs.IR
Demonstrating a Service-Enhanced Retrieval System
本文简要描述了一个由三种模型驱动的检索服务增强的信息检索系统:(1)基于共词分析的查询扩展,(2)Bradfordizing的重排序和(3)作者中心性。不同的服务都倾向于其他的-但仍然相关的-文档,而不是纯粹的基于词频的排名。每个服务都可以交互式地相互组合,以允许迭代检索细化。
2010-09-25 cs.DL cs.IR
Dataset Search In Biodiversity Research: Do Metadata In Data Repositories Reflect Scholarly Information Needs?
研究数据量的不断增加为链接和整合数据提供了机会,以创建新的假设,重复实验或将最近的数据与在不同时间或地点收集的数据进行比较。然而,最近的研究表明,在日常研究实践中,检索相关数据以进行数据重用是一项耗时的任务。在这项研究中,我们将探讨是什么阻碍了生物多样性研究中的数据集检索,产生大量的异构数据的领域。我们分析数据集搜索的主要来源-元数据-并确定它们是否反映了学术搜索兴趣。我们检查元数据标准是否提供了与搜索兴趣相对应的元素,我们检查选定的数据存储库是否使用代表学术兴趣的元数据标准,并且我们确定所使用的元数据标准中有多少字段被填充。为了确定生物多样性研究中的搜索兴趣,我们收集了169个问题,研究人员旨在借助检索到的数据回答这些问题,识别生物实体并将其分为13类。我们的研究结果表明,环境,材料和化学品,物种,生物和化学过程,位置,数据参数和数据类型是生物多样性研究的重要搜索兴趣。与现有的元数据标准的比较表明,特定领域的标准涵盖搜索利益相当不错,而一般标准没有明确包含反映搜索利益的元素。我们检查来自五个大型数据存储库的元数据。我们的研究结果证实,元数据目前反映生物多样性研究的搜索兴趣。从这些发现中,我们得出的建议,研究人员和数据存储库如何弥合搜索兴趣和元数据之间的差距提供。
2020-02-27 cs.IR
A Science Model Driven Retrieval Prototype
本文是关于更好地理解科学的结构和动力学,并使用这些见解来补偿元数据驱动的数字图书馆中出现的典型问题。提出了三种科学模型驱动的检索服务:基于共词分析的查询扩展、基于Bradfordizing的重排序和作者中心。服务的相关性评估,其中两个重要的影响出现:(1)检索服务的精度值是相同的或优于tf-idf检索基线和(2)每个服务检索不相交的文档集。不同的服务都倾向于其他的-但仍然相关的-文档,而不是纯粹的基于词频的排名。因此,所提出的模型和派生的检索服务开辟了科学知识空间的新观点,并提供了一个替代框架,以结构学术信息系统。
2011-01-09 cs.DL cs.IR
Retrieval Challenges in Low-Resource Public Service Information: A Case Study on Food Pantry Access
Wichita State University(威斯科州立大学)
本文提出了一种基于AI的对话式检索系统,用于解决低资源环境下食品储藏室信息检索的挑战,通过RAG流程提升自然语言查询的准确性与可靠性。
2026-02-25 cs.AI cs.IR
RATSF: Empowering Customer Service Volume Management through Retrieval-Augmented Time-Series Forecasting
Alibaba Group(阿里巴巴集团);Yuaiweiwu Tech(爱为物科技)
RATSF框架通过时间序列知识库TSKB与检索增强交叉注意力模块RACA相结合,利用相似历史数据提升非平稳场景下的服务量预测性能,并在飞猪酒店等场景中验证了有效性和泛化能力。
2024-06-16 cs.IR cs.LG
Libra: Training the Environment for Agentic Information Retrieval
提出Libra框架,通过引入可变目录和LLM驱动优化循环,自动改进代码仓库的索引结构,提升代码定位准确率,并实现跨模型和问题的零样本迁移。
2026-07-02 cs.AI cs.IR
Toward Validation of Textual Information Retrieval Techniques for Software Weaknesses
本文提出了一个初步的验证常见的文本信息检索技术映射的非结构化软件漏洞信息,以不同的软件弱点。验证是用从Snyk漏洞数据库中跟踪的四个软件存储库编译的数据集进行的。根据结果,所使用的信息检索技术执行不令人满意的正则表达式搜索相比。虽然结果因存储库而异,但初步验证表明,明确引用漏洞和弱点标识符对于具体的漏洞跟踪是更可取的。这种参考允许使用基于关键字的搜索,与信息检索技术相比,基于关键字的搜索目前似乎产生更一致的结果。然而,需要进一步的验证工作来提高技术的精确度。
2018-09-05 cs.CR cs.IR
HF-SID: High-Fidelity Semantic IDs for Generative Retrieval in Location-Based Services
AMAP, Alibaba Group(高德,阿里巴巴集团);University of Science and Technology of China(中国科学技术大学);Tsinghua University(清华大学)
针对LBS中现有SID的地理、数值、结构保真度缺陷,提出HF-SID,通过坐标转换、数值编码与结构对比学习,实现3-token高保真SID,提升生成式检索性能。
2026-09-01 cs.IR
QEQR: An Exploration of Query Expansion Methods for Question Retrieval in CQA Services
University of Tehran(德黑兰大学)
本文针对CQA服务中问题检索的词汇鸿沟问题,提出结合词相似度、问题相似度及选择性扩展的查询扩展方法,相对最佳基线提升1.8%。
2024-11-23 cs.CL cs.HC cs.IR
Unsupervised Visual and Textual Information Fusion in Multimedia Retrieval - A Graph-based Point of View
多媒体收藏在规模和多样性上比以往任何时候都要增长。因此,有效的多媒体检索系统是至关重要的访问这些数据集从最终用户的角度来看,并在一个可扩展的方式。我们感兴趣的图像/文本多媒体对象的存储库,我们研究多模态信息融合技术的背景下,基于内容的多媒体信息检索。我们专注于基于图形的方法,已被证明提供最先进的性能。我们特别研究了其中两种方法:跨媒体相似性和基于随机游走的分数。从理论的角度来看,我们提出了一个统一的基于图的框架,其中包括上述两种方法。我们的建议使我们能够突出的核心功能时,应该考虑使用基于图形的技术结合视觉和文本信息。我们使用三个不同的现实世界的数据集比较跨媒体和随机游走的结果。从实用的角度来看,我们扩展的实证分析,使我们能够提供见解和指导方针,使用基于图的方法,多模态信息融合在基于内容的多媒体信息检索。
2014-01-27 cs.IR
Retrieval-Augmented Generation with Knowledge Graphs for Customer Service Question Answering
LinkedIn Corporation(领英公司)
本文提出将知识图谱与检索增强生成相结合的客服问答方法,通过保留历史工单结构信息提升检索与回答质量,在LinkedIn部署后中位解决时间缩短28.6%。
2024-05-06 cs.AI cs.CL cs.IR
Iterative NLP Query Refinement for Enhancing Domain-Specific Information Retrieval: A Case Study in Career Services
Humber College(亨伯学院)
本文针对传统TF-IDF系统在特定领域检索性能不佳的问题,提出一种结合领域术语与结构化描述符的半自动迭代查询细化方法,在Humber College职业服务数据上显著提升了文档相似度与检索效果。
2024-12-22 cs.CL cs.IR
Science Models as Value-Added Services for Scholarly Information Systems
本文介绍了学术信息检索(IR)作为一个进一步的维度,应该考虑在科学建模的辩论。IR用例被视为科学模型在表示和预测科学中的结构和动态方面的充分性的验证模型。特定的概念化的学术活动和结构的科学被用来作为增值搜索服务,以提高检索质量:共词模型描绘的认知结构的领域(用于查询扩展),布拉德福德定律的信息浓度,和一个模型的合著网络(都用于重新排名搜索结果)。对使用科学模型驱动服务时的检索质量进行了评价,结果表明,所提出的模型实际上对检索质量产生了有益的影响。从IR的角度来看,研究的模型,因此验证了表达概念化的中心现象在科学中。因此,它可以表明,IR的角度可以显着有助于更好地了解学术结构和活动。
2011-05-12 cs.DL cs.IR
Bibliometric-enhanced Information Retrieval
文献计量技术虽然为用户提供了增值效应,但尚未被广泛用于加强数字图书馆的检索过程。在本次研讨会中,我们将探讨如何统计建模的奖学金,如Bradfordizing或网络分析的合著网络,可以改善检索服务的特定社区,以及大型,跨域的集合。该研讨会旨在提高对信息检索与文献计量学/科学计量学之间缺失环节的认识,并为将文献计量学增强的服务纳入数字图书馆界面的检索工作奠定共同基础。
2013-10-30 cs.DL cs.IR physics.soc-ph
Nepali Passport Question Answering: A Low-Resource Dataset for Public Service Applications
ILPRL Department of Computer Science \& Engineering Kathmandu University, Dhulikhel, Nepal;School of Computing Dublin City University Dublin, Ireland
本文构建了一个尼泊尔语问答数据集,用于护照服务的FAQs,通过微调Transformer模型和BM25进行语义相似度检索,结果显示SBERT和多语言E5模型表现最佳。
2026-09-07 cs.IR cs.LG
Learning TFIDF Enhanced Joint Embedding for Recipe-Image Cross-Modal Retrieval Service
Georgia Institute of Technology(佐治亚理工学院);Wuhan University of Technology(武汉理工大学)
人们普遍认为,由于烹饪过程中成分的多样性和变形,学习具有图像的食谱的联合嵌入具有挑战性。我们提出了一种多模态语义增强的联合嵌入方法(MSJE),用于学习两种模态(文本和图像)之间的共同特征空间,最终目标是提供高性能的跨模态检索服务。我们的MSJE方法有三个独特的特点。首先,我们从菜谱的标题、配料和烹饪说明中提取TFIDF特征。通过将LSTM学习的特征与TFIDF特征相结合来确定单词序列的重要性,我们将食谱编码为TFIDF加权向量,以捕获重要的关键术语以及这些关键术语如何在相应的烹饪指令中使用。其次,我们将配方TFIDF特征与通过两阶段LSTM网络提取的配方序列特征相结合,这可以有效地捕获配方及其相关图像之间的独特关系。第三,我们进一步结合TFIDF增强的类别语义,以改善图像模态的映射,并在跨模态联合嵌入的迭代学习过程中调节相似性损失函数。在基准数据集Recipe1M上的实验表明,该方法优于现有的方法。
2021-08-02 cs.CV cs.IR
Editorial for the Bibliometric-enhanced Information Retrieval Workshop at ECIR 2014
这是第一次“文献计量学增强的信息检索“(BIR 2014)研讨会,旨在与IR社区就可能的链接到文献计量学和学术交流。文献计量技术虽然为用户提供了增值效应,但尚未被广泛用于加强数字图书馆的检索过程。在本次研讨会中,我们将探讨如何统计建模的奖学金,如Bradfordizing或网络分析的合著网络,可以改善检索服务的特定社区,以及大型,跨域的集合。该研讨会旨在提高对信息检索与文献计量学/科学计量学之间缺失环节的认识,并为将文献计量学增强的服务纳入数字图书馆界面的检索工作奠定共同基础。我们的兴趣包括信息检索、信息搜索、科学建模、网络分析和数字图书馆。目标是将文献计量学、科学计量学和信息计量学的见解应用于信息检索和浏览的具体实际问题。
2014-04-28 cs.DL cs.IR
Bibliometric-enhanced Information Retrieval: 2nd International BIR Workshop
该研讨会汇集了社区的专家,这些专家往往被认为是不同的:一方面是文献计量学/科学计量学/信息计量学,另一方面是信息检索。作为研讨会的组织者,我们的动机是从观察到这两个领域的主要论述是不同的,社区只是部分重叠,并相信知识转移对双方都有利。文献计量技术虽然为用户提供了增值效应,但尚未被广泛用于加强数字图书馆的检索过程。另一方面,越来越多的图书馆、档案馆的信息工作者也面临着将文献计量技术应用于信息服务的问题。这样一来,知识交流就变得更加迫切。第一次研讨会通过相互介绍方法、报告当前的研究问题和就共同利益进行头脑风暴来确定研究议程。本次后续研讨会延续了整体沟通,但也将一个问题作为焦点。特别是,我们将探讨奖学金的统计建模如何改善特定社区的检索服务,以及大型的跨域集合,如Mendeley或ResearchGate。第二届BIR研讨会继续提高人们对信息检索(IR)和文献计量学之间缺失环节的认识,并为将文献计量学增强的服务纳入学术搜索引擎界面的检索中创造共同基础。
2015-01-12 cs.DL cs.IR
CAPRAG: A Large Language Model Solution for Customer Service and Automatic Reporting using Vector and Graph Retrieval-Augmented Generation
INETUM Tunisia(法国英迪堂突尼斯分公司);University of Carthage(迦太基大学);Institut Pasteur de Tunis(突尼斯巴斯德研究所);University of Tunis El Manar(突尼斯马纳尔大学)
针对银行客户服务,提出混合CAPRAG框架,结合向量与图检索增强生成,处理关系与上下文查询,提升数字银行中的客户参与度。
2025-01-23 cs.AI cs.CL cs.IR
Evaluating Embedding APIs for Information Retrieval
University of Waterloo(滑铁卢大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
本文在BEIR和MIRACL基准上评估语义嵌入API的领域泛化与多语言检索能力,发现对BM25结果重排序在英语中最具性价比,非英语场景下BM25混合模型效果最佳但成本更高。
2023-07-06 cs.CL cs.IR
WS4A: a Biomedical Question and Answering System based on public Web Services and Ontologies
Universidade de Lisboa(里斯本大学)
本文描述了我们的系统,称为WS 4A(Web Services for All),参加了第四版BioASQ挑战赛(2016年)。我们使用WS 4A来执行问题和查询(QA)任务4 b,该任务包括检索相关概念、文档、片段、RDF三元组、每个给定问题的精确答案和理想答案。在我们的方法的新颖性在于最大限度地利用现有的Web服务在WS 4A的每一步,如文本的注释,检索元数据的每个注释。检索到的信息包括概念标识符、本体、祖先,最重要的是PubMed标识符。本文描述了WS 4A管道,并给出了在任务4 b中获得的精确度,召回率和f-测量值。我们的系统在五个批次之一的两个子任务中获得了两个第二名。
2016-11-17 cs.CL cs.IR
Mining Root Cause Knowledge from Cloud Service Incident Investigations for AIOps
Salesforce Research Asia(Salesforce亚洲研究院)
对任何服务中断事件进行根本原因分析(RCA)是IT流程中最关键也是最复杂的任务之一,尤其是对于Salesforce这样的云计算行业领导者来说。通常,RCA调查利用数据源,如应用程序错误日志或服务调用跟踪。然而,在领域专家对过去事件调查的自然语言文档中也隐藏着丰富的根本原因信息。这通常被称为问题审查委员会(PRB)数据,它构成了IT事件管理的核心组成部分。然而,由于PRB的原始的非结构化性质,这样的根本原因知识不能直接由手动或自动流水线重新用于新事故的RCA。这促使我们利用这个广泛可用的数据源来构建事件因果分析(ICA)引擎,使用SoTA神经NLP技术来提取目标信息并从PRB文档中构建结构化的因果知识图谱。ICA形成了一个简单而有效的基于检索的RCA的骨干,通过一个信息检索系统来搜索和排名过去的事件,并检测可能的根本原因,给定的事件症状。在这项工作中,我们介绍了ICA和下游基于事件搜索和检索的RCA管道,该管道由Salesforce构建,在几年内收集了超过2K的记录云服务事件调查。我们还建立了ICA的有效性和下游任务,通过各种定量基准,定性分析以及领域专家的验证和实际事件的案例研究部署后。
2022-04-21 cs.AI cs.IR
Hybrid Intent-Aware Personalization with Machine Learning and RAG-Enabled Large Language Models for Financial Services Marketing
本文提出一种混合架构,结合传统机器学习与RAG增强的大语言模型,用于金融服务营销中的个性化营销,通过时间编码器、潜在表示和多任务分类提高个性化准确性。
2026-03-11 cs.AI cs.IR cs.LG
CLIRudit: Cross-Lingual Information Retrieval of Scientific Documents
CONICET-Universidad de Buenos Aires. Instituto de Ciencias de la Computación (ICC). Buenos Aires, Argentina(CONICET-阿根廷布宜诺斯艾利斯大学。信息计算研究所(ICC)。布宜诺斯艾利斯,阿根廷);École de bibliothéconomie et des sciences de l’information. Université de Montréal. Montréal, Canada(信息与图书馆科学学院。蒙特利尔大学。蒙特利尔,加拿大)
针对学术搜索中非英文成果检索需求,本文构建英法学术跨语言检索数据集CLIRudit,测试多类检索器性能并给出可复现基准,助力非英文学术内容获取。
2025-11-19 cs.CL cs.IR
Legal Document Retrieval using Document Vector Embeddings and Deep Learning
University of Moratuwa(莫拉图瓦大学);University of London(伦敦大学)
特定领域信息检索过程是自然语言处理领域的一个重要研究方向。许多研究人员已经采用了不同的技术来克服技术和领域的特异性,并为各种感兴趣的领域提供了一个成熟的模型。这些研究中的主要瓶颈是领域专家之间的严重耦合,这使得整个过程非常耗时和繁琐。在这项研究中,我们已经开发了三种新的模式,通过提供的在线存储库生成的黄金标准进行比较,特别是法律领域。这三种不同的模型结合了法律领域的向量空间表示,其中文档向量生成是在两种不同的机制中完成的,并且是上述两种机制的集合。本研究包含的研究正在进行的过程中表示法律案件文件到不同的向量空间,同时将语义词的措施和自然语言处理技术。在这项研究中建立的集成模型,显示出显着更高的准确性水平,这确实证明了需要将特定领域的语义相似性措施纳入信息检索过程。这项研究还表明,不同分布的词相似性措施的影响,对不同的文档向量的尺寸,这可能会导致法律信息检索的过程中的改进。
2018-05-27 cs.CL cs.IR
Reformulate, Retrieve, Localize: Agents for Repository-Level Bug Localization
Concordia University(康科迪亚大学);Toronto Metropolitan University(多伦多 Metropolitan 大学)
本文提出利用LLM代理通过查询重新表述和摘要改进仓库级缺陷定位,实现更高效的文件级定位性能。
2025-12-07 cs.AI cs.IR cs.SE
User Manual of Automatic Data Curation Tool(ADCT): A bulk data curator software in Library and Information Science
在图书情报学中,文献存储和用户专用文献检索是数字图书馆服务的主要方面。为了保护文化遗产、文件和文学,我们需要一个通用平台,在这个平台上,所有类型的文件都可以以特定的格式提供。我们提出的软件工具,ADCT可以处理大量的数据,并将不同类型的原始数据转换成指定的元数据信息。它概括了应用于源数据的多种形式的策展逻辑。作为最先进的技术,许多研究活动是在各个大学进行管理他们的研究数据在数字图书馆服务。作者提供了描述性统计的图书情报服务(LIS)活动的信息存储和检索。本文展示了作为LIS社区活动的图书馆数据的方法论、信息收集和科学交流方面的研究。对图书情报数据的分析以及对信息存储和检索的兴趣从分类、标引到检索的转变是非常重要的。对于构建这些类型的数字化教育服务,自动数据整理是重要的垫脚石。本文表明,自动化可以补充专业知识和知识。作者建立了一个自动化的数据转换和策展工具,帮助用户分析元数据信息和努力符合通用标准时,图书管理员希望看到相邻的相关元数据的国会信件的档案收集的目录。
2022-10-31 cs.DL cs.IR
FolksoDrivenCloud: an annotation and process application for social collaborative networking
在本文中,我们提出了基于云和语义技术的FolksoDriven Cloud(FDC)。近年来,云计算已经作为提供按需分布式计算资源的新范例而出现。语义Web可以用于不同数据之间的关系和服务的描述,以注释本体上的存储库的出处。FDC服务由一个提交和监视文档的后端和一个允许用户调度按需操作并监视正在运行的进程的进度的用户前端组成。所提出的方法的影响,说明了用户自成立以来。
2016-12-30 cs.CY cs.IR cs.SI