Learning Contextual Retrieval for Robust Conversational Search
Qualcomm AI Research(高通人工智能研究院);Sungkyunkwan University(成均馆大学)
针对对话搜索中意图跟踪难、重写成本高的问题,提出ContextualRetriever,通过上下文感知嵌入、意图监督与保留生成能力的训练,在多个基准上显著超越现有方法且无额外推理开销。
2025-09-24 cs.IR
Document Retrieval for Large Scale Content Analysis using Contextualized Dictionaries
本文提出了一个过程,检索相关文件的子集,从大型文本集的内容分析,例如在社会科学。为此目的的文献检索需要考虑到这样一个事实,即分析师往往不能用一小部分关键术语来描述他们的研究目标,特别是在处理理论或相当抽象的研究兴趣时。相反,定义一组反映感兴趣的主题以及有针对性的演讲方式的范例文档要容易得多。因此,与经典的信息检索任务相比,我们采用手动编译的参考文档集合来组成数百个关键词的大型查询,称为字典。我们通过主题模型提取字典,并使用参考集合中的同现数据。评价表明,该程序提高了检索结果,为此目的相比,替代方法的关键词提取以及忽略同现数据。
2017-07-11 cs.IR
Exploiting Semantic Role Contextualized Video Features for Multi-Instance Text-Video Retrieval EPIC-KITCHENS-100 Multi-Instance Retrieval Challenge 2022
Institute for Infocomm Research, A*STAR(新加坡科技研究局资讯通信研究院);School of Computer Science and Engineering, NTU(南洋理工大学计算机科学与工程学院)
提出一种语义角色解析与自注意力多空间嵌入方法,用于 EPIC-KITCHENS-100 文本-视频多实例检索,并在 nDCG 和 mAP 上分别取得第 3、第 4 名。
2023-09-26 cs.CV cs.IR cs.LG
CoT-MoTE: Exploring ConTextual Masked Auto-Encoder Pre-training with Mixture-of-Textual-Experts for Passage Retrieval
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络空间安全学院);Kuaishou Technology(快手科技)
针对双编码器参数共享或分离导致查询与段落嵌入空间判别不平衡的问题,本文提出CoT-MoTE,通过文本特定专家和共享自注意力层进行上下文掩码自编码预训练,在大规模段落检索基准上取得稳定提升。
2023-04-20 cs.CL cs.IR
Context is Gold to find the Gold Passage: Evaluating and Training Contextual Document Embeddings
本文提出上下文感知基准 ConTEB 和对比后训练方法 InSeNT,结合晚期分块池化,在不牺牲基础模型性能的前提下显著提升需要文档级上下文的检索质量。
2025-06-06 cs.IR
ContextIQ: A Multimodal Expert-Based Video Retrieval System for Contextual Advertising
Anoki Inc.(安诺基公司);University of Southern California(南加州大学)
本文提出ContextIQ,一种专为上下文广告设计的基于多模态专家的视频检索系统,通过利用视频、音频、转录文本和元数据等模态专家创建语义丰富的表示,无需联合训练即可在多个基准上取得优异表现,并解决品牌安全等问题。
2025-03-29 cs.AI cs.CV cs.IR
CoT-MAE v2: Contextual Masked Auto-Encoder with Multi-view Modeling for Passage Retrieval
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络空间安全学院);Kuaishou Technology(快手科技)
本研究提出CoT-MAE v2,通过引入结合密集与稀疏向量的多视图表示及联合自编码与自回归的多视图解码范式,改进上下文掩码自编码器,有效提升了大规模段落检索与域外零样本检索的性能。
2023-04-05 cs.AI cs.CL cs.IR
Contextual Compression in Retrieval-Augmented Generation for Large Language Models: A Survey
IBM Watsonx
本文综述RAG中上下文压缩范式的发展,分析其解决上下文窗口、无关信息与处理开销问题的方法,并指出挑战与未来研发方向。
2024-10-02 cs.CL cs.IR
CODER: An efficient framework for improving retrieval through COntextual Document Embedding Reranking
Brown University(布朗大学);Johannes Kepler University Linz(林茨约翰内斯·开普勒大学);Dataminr
本文提出CODER高效检索框架,通过联合评分大量负样本、使用检索负样本和列表式损失等排序上下文因素优化训练,在MS MARCO和TripClick上显著提升检索性能并创下新纪录。
2022-11-03 cs.AI cs.IR
CG-RAG: Research Question Answering by Citation Graph Retrieval-Augmented LLMs
Emory University(埃默里大学);Tongji University(同济大学);Georgia Institute of Technology(佐治亚理工学院);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出CG-RAG框架,通过上下文图表示、LeSeGR检索和上下文感知生成策略,整合稀疏与密集检索信号,显著提升了研究问答的检索准确率和生成质量。
2025-01-25 cs.IR cs.LG
Contextual Information Retrieval based on Algorithmic Information Theory and Statistical Outlier Detection
本文的主要贡献是设计了一个信息检索(IR)技术的基础上,数学信息论(使用归一化压缩距离- NCD),统计技术(离群值),和新的数据库结构的组织。本文展示了如何将它们集成到通用数据库中,使用长(基于文本的)查询检索信息。文中分析了两个重要问题。一方面,当文档之间的距离很低并且存在实际相似性时,如何检测“误报”。另一方面,我们提出了一种方法来构建一个文档数据库,其中相似性距离估计依赖于所选文本的长度。最后,已经进行了研究以前的问题的实验评估。
2007-11-27 cs.IR cs.IT math.IT
Contextualized Query Embeddings for Conversational Search
本文描述了一个紧凑和有效的模型,低延迟通道检索会话搜索的基础上学习密集表示。在我们的工作之前,国家的最先进的方法使用一个多阶段的管道,包括会话查询重构和信息检索模块。尽管它的有效性,这样的管道通常包括多个神经模型,需要很长的推理时间。此外,独立优化每个模块会忽略它们之间的依赖关系。为了解决这些缺点,我们建议将会话查询重构直接集成到一个稠密检索模型中。为了帮助实现这一目标,我们创建了一个带有伪相关标签的数据集,用于会话搜索,以克服训练数据的缺乏,并探索不同的训练策略。我们证明,我们的模型有效地重写会话查询密集表示在会话搜索和开放域问答数据集。最后,在观察到我们的模型学会调整查询令牌嵌入的$L_2$规范后,我们利用此属性进行混合检索并支持错误分析。
2021-11-26 cs.IR
Visual Late Chunking: An Empirical Study of Contextual Chunking for Efficient Visual Document Retrieval
Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Alibaba Cloud Computing(阿里云);Hong Kong University of Science and Technology(香港科技大学)
本文提出ColChunk框架,通过多模态后期分块构建高效上下文化多向量,减少存储需求并提升检索性能。
2026-04-11 cs.CL cs.CV cs.IR
Video-ColBERT: Contextualized Late Interaction for Text-to-Video Retrieval
Johns Hopkins Applied Physics Laboratory(约翰霍普金斯应用物理实验室);Johns Hopkins University(约翰霍普金斯大学);Human Language Technology Center of Excellence(人类语言技术卓越中心);DEVCOM Army Research Laboratory(陆军研究实验室)
本文提出 Video-ColBERT,通过时空逐 token 延迟交互、查询与视觉扩展及双 sigmoid 损失,增强文本到视频检索的细粒度匹配与双编码器性能。
2025-03-24 cs.CV cs.IR
Financial Transaction Retrieval and Contextual Evidence for Knowledge-Grounded Reasoning
Sber AI Lab(赛伯人工智能实验室);Sber AI(赛伯人工智能)
本文提出FinTRACE框架,通过交易检索生成可重用的特征表示,结合规则检测器和行为知识库,提升低监督交易分析性能,并通过指令微调LLM实现交易分析的SOTA结果。
2026-03-16 cs.IR
Enhancing Retrieval-Augmented Generation with Topic-Enriched Embeddings: A Hybrid Approach Integrating Traditional NLP Techniques
National University of Tierra del Fuego(泰德菲国立大学)
本文提出一种整合传统NLP技术的混合方法,通过主题增强嵌入提升检索增强生成系统的检索精度和语义聚类效果。
2025-12-31 cs.AI cs.IR
Optimizing User Profiles via Contextual Bandits for Retrieval-Augmented LLM Personalization
McGill University(麦吉尔大学);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);Université de Montréal(蒙特利尔大学);Salesforce(Salesforce公司);HEC Montréal(蒙特利尔HEC商学院);Mila - Quebec AI Institute(魁北克人工智能研究所)
本文提出PURPLE框架,通过上下文老虎机优化用户资料,利用Plackett-Luce模型捕捉复杂依赖,提升LLM个性化效果。
2026-04-22 cs.CL cs.IR
Contextual Media Retrieval Using Natural Language Queries
Max Planck Institute for Informatics(马克斯·普朗克信息学研究所)
手持和头戴式设备中摄像头的广泛集成以及在线共享内容的能力,使数百万用户每天共同构建的世界能够实现大规模和多样化的视觉捕捉。我们设想这些图像以及相关的Meta信息,如GPS坐标和时间戳,形成一个集体的视觉记忆,可以查询,同时自动考虑到不断变化的移动用户的上下文。作为实现这一愿景的第一步,在这项工作中,我们提出了Xplore-M-自我:一种新的媒体检索系统,允许用户查询动态数据库的图像和视频使用时空自然语言查询。我们评估我们的系统使用一个新的数据集的真实用户查询,以及通过可用性研究。一个关键的发现是,有相当数量的用户间的变化,例如在自然语言话语的空间关系的分辨率。我们表明,我们的检索系统可以通过一个基于在线学习的检索配方使用个性化来应对这种变化。
2016-02-16 cs.AI cs.CL cs.CV
Context-augmented Retrieval: A Novel Framework for Fast Information Retrieval based Response Generation using Large Language Model
针对RAG问答系统因语料库增大导致回答质量下降的问题,提出结合经典文本分类与LLM的上下文增强检索(CAR)框架,通过实时分类分区向量数据库实现快速检索并提升生成质量。
2024-07-31 cs.IR
Automating Bibliometric Analysis with Sentence Transformers and Retrieval-Augmented Generation (RAG): A Pilot Study in Semantic and Contextual Search for Customized Literature Characterization for High-Impact Urban Research
Oak Ridge National Laboratory(橡树岭国家实验室);The University of Tennessee(田纳西大学)
本文利用 Sentence Transformers 和 RAG 等生成式 AI 模型,开发集成向量数据库、GMM 和 LLM 的自动化文献计量分析工作流,解决传统方法缺乏语义搜索和上下文理解的问题,有效提升了高影响力城市研究的文献特征描述能力。
2024-10-08 cs.AI cs.DL cs.IR
Query-Adaptive Semantic Chunking for Retrieval-Augmented Generation: A Dynamic Strategy with Contextual Window Expansion
Independent Researcher(独立研究者)
提出查询自适应语义分块(QASC)方法,通过将查询融入分块过程,利用句子-查询嵌入余弦相似度、上下文窗口扩展和分块级分数聚合,动态构建相关且连贯的文档块,在F1分数上比固定分块提升18-27%,比语义和智能体分块提升8-12%。
2026-05-26 cs.CL cs.IR
An In-depth Analysis of Passage-Level Label Transfer for Contextual Document Ranking
本文分析文档切分与段落级标签迁移对检索效果和效率的影响,提出弱监督段落标注方案,在四个数据集上以可控复杂度取得3%–14%的nDCG提升。
2023-12-06 cs.IR
Judgement Citation Retrieval using Contextual Similarity
CVR College of Engineering(CVR工程学院)
针对传统法律案件引文检索依赖人工与关键词搜索、需专业法律知识的问题,提出结合NLP与机器学习、基于前沿嵌入模型生成文本嵌入的方法,实现无监督聚类与有监督引文检索,在SCOTUS数据集上达90.9%准确率,提升法律研究效率。
2024-08-15 cs.CL cs.IR cs.LG
Reconstructing Context: Evaluating Advanced Chunking Strategies for Retrieval-Augmented Generation
Department of Computer Science and Engineering, University of Bologna(计算机科学与工程系,博洛尼亚大学)
本研究评估了RAG中late chunking与contextual retrieval两种高级分块策略,发现前者效率高但牺牲相关性,后者语义连贯性更好但计算成本更高。
2025-04-28 cs.AI cs.CL cs.IR
MS-DPPs: Multi-Source Determinantal Point Processes for Contextual Diversity Refinement of Composite Attributes in Text to Image Retrieval
Visual Intelligence Research Laboratories, NEC Corporation(NEC公司视觉智能研究实验室);Graduate School of Information Sciences, Tohoku University(东北大学信息科学研究生院);RIKEN Center for AIP(理化学研究所AIP研究中心)
本文提出CDR-CA任务及多源行列式点过程(MS-DPPs)方法,通过统一相似性矩阵和切向归一化,根据应用上下文精炼文本到图像检索中复合属性的多样性,实验验证其有效性。
2025-07-09 cs.AI cs.CV cs.IR
Development of Display Ads Retrieval System to Match Publisher's Contents
数字内容交付的技术转型和自动化已经彻底改变了媒体行业。广告格局正逐渐从传统的媒体形式转向互联网广告的兴起。在本文中,互联网广告的类型要讨论的是上下文和赞助搜索广告。这些类型的广告具有通过原则性方法找到给定上下文和合适广告之间的最佳匹配的中心挑战。此外,互联网广告生态系统中存在四个主要参与者:用户,广告商,广告交换和发布商。因此,找到方法来应对中央的挑战,本文解决了两个目标:如何成功地使最好的上下文广告选择匹配到网页内容,以确保有一个有价值的网页和上下文广告之间的连接。所有方法、讨论、结论和未来建议均按章节列出。因此,为了验证上下文广告和网页匹配的工作机制,网页和广告匹配系统一起被开发为原型。
2013-12-26 cs.CY cs.IR
Diffusion-Pretrained Dense and Contextual Embeddings
本文提出pplx-embed模型,通过多阶段对比学习在扩散预训练语言模型基础上实现多语言嵌入,其中pplx-embed-v1在多个基准测试中表现优异,pplx-embed-context-v1在ConTEB基准中创纪录。
2026-02-13 cs.CL cs.IR cs.LG
Expansion via Prediction of Importance with Contextualization
在文本背景较少的情况下识别相关性是篇章检索中的一个主要挑战。我们解决这个问题的表示为基础的排名方法:(1)明确建模的重要性,每个术语使用上下文语言模型;(2)执行通道扩展传播的重要性,以类似的条款;(3)理由的表示在词典中,使它们可解释。可以在索引时预先计算通道表示,以减少查询时的延迟。我们称之为EPIC(Expansion via Prediction of Importance with Contextualization)。我们表明,EPIC显着优于以前的重要性建模和文档扩展方法。我们还观察到,性能是添加剂与目前领先的第一阶段检索方法,进一步缩小廉价和成本高昂的通道排名方法之间的差距。具体而言,EPIC在MS-MARCO通道排名数据集上实现了0.304的MRR@10,在商品硬件上的平均查询延迟为78 ms。我们还发现,通过修剪文档表示,延迟进一步降低到68毫秒,有效性几乎没有差异。
2020-05-20 cs.IR
Dense Sparse Retrieval: Using Sparse Language Models for Inference Efficient Dense Retrieval
the University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文研究将稀疏语言模型用于稠密检索以提升推理效率,在 MSMARCO、NQ 和 TriviaQA 数据集上实现准确率几乎无损且推理速度提升达 4.3 倍。
2023-03-31 cs.AI cs.CL cs.IR
RAPID: Retrieval-Augmented Parallel Inference Drafting for Text-Based Video Event Retrieval
Ho Chi Minh City University of Technology (HCMUT)(胡志明市理工大学);Vietnam National University Ho Chi Minh City(胡志明市越南国家大学)
针对基于文本的视频事件检索中因缺乏上下文导致效果不佳的问题,提出 RAPID 系统,利用大型语言模型和提示学习丰富查询上下文,并通过并行检索与评估提升检索效果,在自建数据集和竞赛中均显著优于基线方法。
2025-01-27 cs.CL cs.IR
CLaMR: Contextualized Late-Interaction for Multimodal Content Retrieval
UNC Chapel Hill(北卡罗来纳大学教堂山分校)
本文提出多模态后期交互检索器CLaMR,联合索引视频帧、语音转录、屏幕文本和元数据,通过MultiVENT 2.0++合成数据和模态感知损失实现动态模态选择,在多个基准上显著超越现有检索器。
2025-06-06 cs.CL cs.CV cs.IR
To Click or not to Click? The Role of Contextualized and User-Centric Web Snippets
在搜索网络时,通常可能有太多的结果可用于模糊查询。从检索到的页面中提取的文本片段是页面对查询意图的有用性的指示器,并且可以用于集中搜索结果的范围。在本文中,我们提出了一种新的方法来自动提取网页片段,是高度相关的查询意图和表达的网页的整个内容。我们表明,语义的使用,作为重点检索的基础,产生高质量的文本片段的建议。与使用页面的统计内容获得的片段相比,我们的方法提供的片段在检索性能方面明显更好。此外,我们的研究表明,语义驱动的片段生成也可以用来增强传统的段落检索算法的基础上,字重叠或统计权重,因为它们通常在覆盖范围不同,并产生不同的结果。用户点击查询的相关片段可以用来细化查询结果,并促进最全面的相关文档。
2009-03-14 cs.IR
CausalRAG: Integrating Causal Graphs into Retrieval-Augmented Generation
Department of Computer and Data Sciences, Case Western Reserve University(计算机与数据科学系,凯斯西储大学);Department of Design and Innovation, Case Western Reserve University(设计与创新系,凯斯西储大学)
针对传统RAG存在的上下文完整性受损、过度依赖语义相似度的问题,提出融入因果图的CausalRAG框架,通过因果关系保留上下文连续性、提升检索精度,在多项指标上优于常规及基于图的RAG方法。
2025-10-21 cs.CL cs.IR
RetroMAE v2: Duplex Masked Auto-Encoder For Pre-Training Retrieval-Oriented Language Models
Beijing University of Posts and Telecommunications(北京邮电大学);Huawei Technologies Ltd. Co.(华为技术有限公司)
为了更好地支持检索应用,如网络搜索和问答,越来越多的努力,开发面向检索的语言模型。现有的大多数工作都集中在提高[CLS]令牌的上下文嵌入的语义表示能力。然而,最近的研究表明,除了[CLS]之外的普通标记可能会提供额外的信息,这有助于产生更好的表征效果。因此,有必要扩展当前的方法,其中所有上下文嵌入都可以联合预训练用于检索任务。基于这种动机,我们提出了一种新的预训练方法:双工掩码自动编码器,a.k.a. DupMAE,其目标是提高[CLS]和普通令牌的上下文嵌入的语义表示能力。它引入了两个解码任务:一个是基于[CLS]嵌入重建原始输入句子,另一个是基于整个普通标记的嵌入最小化输入句子的词袋损失(BoW)。将两种译码损失相加,训练出统一的编码模型。在降维和聚合之后,来自[CLS]和普通令牌的嵌入被连接为输入的一个统一的语义表示。DupMAE很简单,但在经验上很有竞争力:解码成本很小,它大大有助于模型的表示能力和可转移性,在MS MARCO和BEIR基准上实现了显着的改进。
2022-11-16 cs.CL cs.IR
Grounding Agent Memory in Contextual Intent
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Stanford University(斯坦福大学)
STITCH通过上下文意图索引提升长周期交互的记忆检索能力,有效减少歧义和干扰,实现在动态目标轨迹中的高效检索。
2026-04-30 cs.AI cs.CL cs.IR
Contextualized Sparse Representations for Real-Time Open-Domain Question Answering
Korea University(高丽大学);University of Washington(华盛顿大学);Clova AI NAVER(Naver Clova AI);Allen Institute for AI(艾伦人工智能研究所)
开放域问答可以被描述为一个短语检索问题,在这个问题中,我们可以期待巨大的可扩展性和速度的好处,但由于现有短语表示模型的限制,往往遭受低准确性。在本文中,我们的目标是提高每个短语嵌入的质量,通过增强它与上下文稀疏表示(Sparc)。与先前的基于词频的稀疏向量(例如,tf-idf)或直接学习(只有几千维),我们利用校正的自我注意力来间接学习n元词汇空间中的稀疏向量。通过增强先前的短语检索模型(Seo等人,2019)与Sparc相比,我们在CuratedTREC和SQuAD-Open方面显示出4%以上的改进。我们的CuratedTREC分数甚至比最知名的检索和读取模型更好,推理速度至少快45倍。
2020-05-01 cs.CL cs.IR
HASH-RAG: Bridging Deep Hashing with Retriever for Efficient, Fine Retrieval and Augmented Generation
Hash-RAG 通过深度哈希直接从知识库学习二进制码以提升检索效率,并设计 PGCC 模块增强大模型上下文感知,在多个问答数据集上实现检索时间降低 90% 且 EM 分数提升 1.4-4.3%。
2025-06-03 cs.IR
How to Discover Knowledge for FutureG: Contextual RAG and LLM Prompting for O-RAN
本文提出上下文RAG方法,通过引导文档检索和上下文增强LLM性能,提升ORAN领域问答的准确性和效率,同时保持低运行时间和碳排放。
2025-12-18 cs.AI cs.IR cs.LG
HeteRAG: A Heterogeneous Retrieval-augmented Generation Framework with Decoupled Knowledge Representations
Tsinghua University(清华大学);Xinjiang University(新疆大学);Beijing University of Posts and Telecommunications(北京邮电大学);JD Health International Inc.(京东健康国际公司)
针对现有RAG方法检索与生成知识块表示相同导致性能欠佳的问题,提出HeteRAG异构框架,解耦知识块的检索与生成表示,结合自适应提示调优,显著提升LLMs的有效性与效率。
2025-04-12 cs.AI cs.IR
Contextual Relevance and Adaptive Sampling for LLM-Based Document Reranking
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);NewsBreak
针对推理密集型查询的文档重排序挑战,提出上下文相关性概念及基于采样的TS-SetRank算法,通过建模批次组成和顺序的上下文依赖性,在BRIGHT和BEIR数据集上显著提升nDCG@10指标。
2025-11-03 cs.IR
ConSTR: A Contextual Search Term Recommender
在这篇演示论文中,我们提出了ConSTR,一个新的上下文搜索术语推荐,利用用户的交互上下文搜索术语推荐和文献检索。ConSTR集成了一个两层的推荐界面:第一层根据用户当前的搜索词推荐词,第二层根据用户以前的搜索活动(交互上下文)推荐词。在演示中,ConSTR建立在arXiv上,这是一个由180万个文档组成的学术存储库。
2021-06-08 cs.DL cs.IR
Context Retrieval via Normalized Contextual Latent Interaction for Conversational Agent
North Carolina State University(北卡罗来纳州立大学);Lirio LLC(Lirio有限责任公司);Lirio AI Research(Lirio人工智能研究院)
针对对话智能体存在的事实性差、缺乏个性化、算力需求高的问题,提出PK-NCLI方法通过归一化上下文潜在交互挖掘辅助信息,在多项指标上显著优于现有最优方法。
2023-12-01 cs.AI cs.CL cs.IR
A Diverse and Effective Retrieval-Based Debt Collection System with Expert Knowledge
Shanghai Jiao Tong University(上海交通大学);China Merchants Bank Credit Card Center(招商银行信用卡中心);University of Texas at Arlington(德克萨斯大学阿灵顿分校)
本文基于真实银行催收对话数据构建话术库,提出两阶段检索式响应系统,通过知识蒸馏提升话术多样性、上下文相关性与部署效率,为债务催收提供可扩展的自动化方案。
2025-03-03 cs.AI cs.CL cs.IR
Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models
Jina AI GmbH(Jina AI公司);Weaviate B.V.(Weaviate公司)
本文提出后期分块方法,在长上下文嵌入模型编码全部 token 后再进行分块和均值池化,使分块嵌入保留完整上下文信息,从而提升检索效果,并进一步提出专用微调方案。
2025-07-07 cs.CL cs.IR
IITD-DBAI: Multi-Stage Retrieval with Pseudo-Relevance Feedback and Query Reformulation
Indian Institute of Technology, Delhi(印度理工学院德里分校)
解决语境依赖是会话系统中最具挑战性的任务之一。我们向CAsT-2021提交的申请旨在保留所有后续轮次中的关键术语和上下文,并使用经典的信息检索方法。其目的是从语料库中提取尽可能相关的文件。我们参加了自动跟踪,并在CAST-2021中提交了两次运行。我们提交的数据显示,NDCG@3的平均性能优于中位数模型。
2022-03-31 cs.AI cs.CY cs.IR
DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment
Tsinghua University(清华大学);Quan Cheng Laboratory(泉城实验室);Zhongguancun Laboratory(中关村实验室);Huawei Cloud BU(华为云业务部)
提出DELTA判别模型,通过将词对齐机制引入上下文掩码自编码器,定位法律案件关键事实并优化[CLS]嵌入,有效提升了法律案件检索性能。
2024-03-27 cs.CL cs.IR
Enhancing Subsequent Video Retrieval via Vision-Language Models (VLMs)
Case Western Reserve University(凯斯西储大学)
针对视觉-语言模型难以应对自适应、时间敏感视频检索的问题,本文提出结合向量相似度搜索与图数据结构的框架,利用VLM嵌入初检并建模片段上下文关系实现自适应查询优化,经实验验证具备良好精度、扩展性与鲁棒性。
2025-03-21 cs.AI cs.CV cs.IR
Effective Distributed Representations for Academic Expert Search
University of Amsterdam(阿姆斯特丹大学);Zeta Alpha Vector(泽塔阿尔法向量公司)
专家搜索旨在根据用户的查询查找专家并对其进行排名。在学术界,检索专家是浏览大量学术知识的有效方法。在这里,我们研究如何不同的分布式表示的学术论文(即嵌入)影响学术专家检索。我们使用Microsoft Academic Graph数据集,并对以文档为中心的投票模型的不同配置进行了实验。特别是,我们探讨了使用上下文嵌入对搜索性能的影响。我们还介绍了通过改造纳入引用信息的论文嵌入的结果。此外,实验进行了使用不同的技术分配作者的权重的基础上,作者顺序。我们观察到,使用上下文嵌入由一个Transformer模型训练句子相似性任务产生最有效的文件表示为中心的专家检索。然而,改造论文嵌入和使用精心设计的作者贡献加权策略并没有提高检索性能。
2020-10-16 cs.AI cs.CL cs.IR