Optimizing Test-Time Query Representations for Dense Retrieval
Korea University(高丽大学);Princeton University(普林斯顿大学);Google Research(谷歌研究院)
本文提出TOUR方法,利用测试时检索结果和交叉编码器伪标签迭代优化查询表示,可视为Rocchio算法的推广,在开放域问答和段落检索上显著提升性能与效率。
2023-05-28 cs.CL cs.IR
Towards Explaining Query Expansion Performance in Information Retrieval
Indian Statistical Institute(印度统计学院);IIT Bombay(孟买印度理工学院);IIT Bhilai(比莱印度理工学院)
本研究通过理想扩展查询和可分离性两个视角解释查询扩展性能差异,提出度量方法并在多个TREC数据集上验证,发现接近理想扩展查询的查询效果更好。
2026-10-08 cs.CL cs.IR
Query-Centric Graph Retrieval Augmented Generation
Huawei Technologies Co., Ltd(华为技术有限公司)
针对现有图RAG的粒度困境,提出查询中心图框架QCG-RAG,利用Doc2Query构建查询粒度图并实现多跳块检索,在LiHuaWorld和MultiHop-RAG上提升问答准确性。
2025-09-25 cs.CL cs.IR
Improving Information Retrieval Results for Persian Documents using FarsNet
Sharif University of Technology(谢里夫理工大学)
在本文中,我们提出了一种新的方法查询扩展,它使用FarsNet(波斯语WordNet),以找到类似的令牌相关的查询和扩展的语义含义的查询。为此,我们在FarsNet中使用同义关系,并提取相关的同义词来查询单词。该算法被用于增强信息检索系统和改善搜索结果。与基线方法(不使用查询扩展)相比,该系统的总体评估显示平均平均精度(MAP)提高了约9%。
2018-11-01 cs.CL cs.IR
Introducing Auxiliary Text Query-modifier to Content-based Audio Retrieval
NTT Corporation(NTT公司)
公共网站上提供的音频数据量正在迅速增长,需要一个访问所需数据的有效机制。我们提出了一种基于内容的音频检索方法,可以检索到的目标音频是类似的,但略有不同的查询音频通过引入辅助文本信息,描述了查询和目标音频之间的差异。虽然传统的基于内容的音频检索的范围限于与查询音频相似的音频,但是所提出的方法可以通过将辅助文本查询修饰符的嵌入添加到查询样本音频在共享潜在空间中的嵌入来调整检索范围。为了评估我们的方法,我们构建了一个数据集,包括两个不同的音频片段和描述差异的文本。实验结果表明,该方法比基线更准确地检索成对音频。我们还证实了基于可视化,该方法获得了共享的潜在空间,其中音频差异和相应的文本表示为相似的嵌入向量。
2022-07-20 cs.CL cs.IR cs.LG
Database-Augmented Query Representation for Information Retrieval
KAIST(韩国科学技术院)
本文提出数据库增强查询表示框架DAQu,利用关系数据库多表元数据增强短查询,并通过基于图的集合编码策略处理无顺序的大量特征,在多种检索场景中显著提升检索性能。
2025-09-18 cs.AI cs.CL cs.IR
VQPP: Video Query Performance Prediction Benchmark
University of Bucharest / Bitdefender(布加勒斯大学/Bitdefender);University of Bucharest(布加勒斯大学)
本文提出VQPP基准,用于视频查询性能预测,包含两个数据集和两个系统,探索预检索和后检索预测器,并展示其在训练大型语言模型上的应用。
2026-02-19 cs.CV cs.IR cs.LG
Sifei at SemEval-2026 Task 8: Hybrid Retrieval and Query Rewriting for Multi-Turn RAG
Faculty of Computer Science HSE University(计算机科学系 高等经济大学)
提出无训练混合检索流水线,结合稠密与稀疏检索、查询重写和交叉编码器重排序,在Task A上nDCG@5达0.5453排名第三,Task C上相关性与忠实性调和均值0.5312排名第十五。
2026-06-05 cs.CL cs.IR
Decoding a Neural Retriever's Latent Space for Query Suggestion
ETH Zürich(苏黎世联邦理工学院);Google Research(谷歌研究院)
神经检索模型已经取代了经典的词袋方法,如BM 25作为检索框架的选择。然而,神经系统缺乏词袋模型的可解释性;将查询变化与最终确定检索结果的潜在空间中的变化联系起来并不是微不足道的。为了阐明这个嵌入空间,我们学习了一个“查询解码器”,给定神经搜索引擎的潜在表示,它会生成相应的查询。我们表明,它是可能的解码一个有意义的查询,从其潜在的表示,并在潜在空间中的正确方向移动时,解码检索相关段落的查询。特别地,查询解码器对于理解“应该问什么”以从集合中检索特定段落可能是有用的。我们采用的查询解码器生成一个大型的合成数据集的MSMarco的查询重构,从而提高检索性能。在这些数据上,我们训练了一个伪相关反馈(PRF)T5模型,用于查询建议的应用,其性能优于查询重构和PRF信息检索基线。
2022-10-21 cs.AI cs.CL cs.LG
Generative Query Expansion with Multilingual LLMs for Cross-Lingual Information Retrieval
The Alan Turing Institute(艾伦·图灵研究所);University College London(伦敦大学学院);Queen Mary University of London(伦敦女王学院)
本研究探讨了多语言大语言模型在跨语言信息检索中的生成式查询扩展效果,发现查询长度和提示技术对性能影响显著,且不同语言间存在显著的检索性能差异。
2025-11-24 cs.AI cs.CL cs.IR
The Coverage Illusion: From Pre-retrieval Routing Failure to Post-retrieval Cascades in a Production RAG System
Aarhus University(奥胡斯大学)
本文通过丹麦国家百科全书的案例研究,发现合成查询高估了LLM增强的需求(覆盖幻觉),并提出一种检索后级联策略,按成本递增顺序执行工作流,仅在无结果时升级到LLM增强,从而在无需训练开销的情况下提升质量并降低延迟。
2026-05-26 cs.CL cs.IR
Crafting the Path: Robust Query Rewriting for Information Retrieval
Chung-Ang University(中央大学)
本文提出一种名为Crafting the Path的结构化查询重写方法,通过查询概念理解、类型识别和预期答案提取三步过程,减少对LLM内部知识的依赖,在信息检索和检索增强生成中提升鲁棒性并减少事实错误。
2024-08-26 cs.CL
ReCQR: Incorporating conversational query rewriting to improve Multimodal Image Retrieval
School of Computer Science and Technology, Soochow University(苏州大学计算机科学与技术学院)
本文提出ReCQR任务,通过构建多轮对话查询重写数据集,提升多模态图像检索的准确性和用户查询建模能力。
2026-01-19 cs.AI cs.IR cs.LG
Semantic Evolutionary Concept Distances for Effective Information Retrieval in Query Expansion
Hong Kong Baptist University(香港浸会大学);University of Perugia(佩鲁贾大学)
在这项工作中,几个语义方法的概念为基础的查询扩展和重新排序方案进行了研究,并与不同的基于本体的扩展方法在Web文档搜索和检索进行了比较。特别是,我们专注于基于概念的查询扩展计划,其中,为了有效地提高精度的Web文档检索,以减少用户的浏览时间,主要目标是快速地为用户提供最合适的查询扩展。在Web文档检索中,查询扩展的两个关键任务是找到扩展候选,即Web文档域中最接近的概念,并对扩展查询进行适当的排序。我们提出的方法,旨在提高扩展阶段更好的Web文档检索和精度。其基本思想是使用PMING距离来测量候选概念之间的距离,PMING距离是一种协作语义接近度度量,即可以通过使用来自web搜索引擎的统计结果来计算的度量。实验结果表明,该方法能为用户提供更满意的扩展结果,提高了Web文档检索的质量。
2017-01-19 cs.AI cs.CL cs.IR
Disentangling Questions from Query Generation for Task-Adaptive Retrieval
Seoul National University(首尔大学)
本文提出EGG查询生成器,将高级搜索意图编译为任务自适应查询,在BeIR基准上以更小模型超越基线,证明显式意图指导是关键。
2024-09-25 cs.CL
Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting
University of Waterloo(滑铁卢大学);Academia Sinica(中央研究院);National Chengchi University(国立政治大学)
会话搜索在会话信息搜索中起着至关重要的作用。由于自然语言对话中固有的共指和遗漏问题,传统的自组织信息检索(IR)系统在信息搜索对话中的查询是模糊的,因此解决这些模糊性是至关重要的。在本文中,我们解决对话通道检索(ConvPR),对话搜索的一个重要组成部分,通过解决查询歧义与查询重组集成到一个多阶段的ad-hoc IR系统。具体来说,我们提出了两种会话查询重构(CQR)方法:(1)术语重要性估计和(2)神经查询重写。对于前者,我们扩展会话查询使用的重要条款提取的会话上下文与基于频率的信号。对于后者,我们用一个预先训练的序列到序列模型将会话查询重新表达为自然的、独立的、人类可理解的查询。定量和定性地详细分析了两种CQR方法,解释了它们的优点,缺点和不同的行为。此外,为了利用这两种CQR方法的优势,我们建议将它们的输出与倒数等级融合相结合,产生最先进的检索效果,与TREC CAST 2019的最佳提交相比,NDCG@3提高了30%。
2021-03-11 cs.AI cs.CL cs.IR
GenCRF: Generative Clustering and Reformulation Framework for Enhanced Intent-Driven Information Retrieval
Peking University(北京大学);Wilfrid Laurier University(威尔弗里德劳里埃大学)
针对现有大语言模型查询重构方法存在的扩展有限、冗余问题,本文提出GenCRF生成式聚类与重构框架,通过生成差异化查询聚类捕捉多样意图,结合加权聚合与QERM反馈优化,在BEIR基准上nDCG@10最高提升12%,达到SOTA。
2024-09-17 cs.AI cs.CL cs.IR
GQE-PRF: Generative Query Expansion with Pseudo-Relevance Feedback
Artificial Intelligence Application Research Center, Huawei Technologies(华为技术有限公司人工智能应用研究中心)
在信息检索中,基于伪相关反馈的查询扩展是提高检索效率的有效方法.近年来,随着深度学习技术的快速发展,神经文本生成在许多自然语言任务中取得了令人鼓舞的成功。为了充分利用文本生成的优势进行信息检索,本文提出了一种新的方法,有效地将文本生成模型集成到基于PRF的查询扩展中。特别是,我们的方法通过神经文本生成模型生成增强的查询条件的初始查询和伪相关反馈。此外,为了训练生成模型,我们采用了条件生成对抗网(CGANs),提出了PRF-CGAN方法,其中生成器和生成器都以伪相关反馈为条件。我们使用两个基准数据集评估我们的方法在信息检索任务上的性能。实验结果表明,我们的方法取得了相当的性能或优于传统的查询扩展方法的检索和重排序任务。
2021-08-13 cs.AI cs.CL cs.IR
CONQRR: Conversational Query Rewriting for Retrieval with Reinforcement Learning
University of Washington(华盛顿大学);Google Research(谷歌研究院);Allen Institute for AI(艾伦人工智能研究所)
与标准检索任务相比,会话式问答(CQA)的段落检索在理解当前用户问题方面提出了新的挑战,因为每个问题都需要在对话上下文中进行解释。此外,重新训练诸如最初为非会话查询开发的搜索引擎之类的成熟检索器可能是昂贵的。为了方便他们的使用,我们开发了一个查询重写模型CONQRR,重写成一个独立的问题的上下文中的会话问题。它是用一种新的奖励函数训练的,可以直接使用强化学习优化检索,并且可以适应任何现成的检索器。CONQRR在最近的一个包含来自三个不同来源的对话的开放域CQA数据集上实现了最先进的结果,并且对两个不同的现成检索器有效。我们广泛的分析还表明,CONQRR的鲁棒性域外的对话,以及零查询重写监督。
2022-10-28 cs.CL
heiDS at ArchEHR-QA 2025: From Fixed-k to Query-dependent-k for Retrieval Augmented Generation
Heidelberg University(海德堡大学)
本文提出用于ArchEHR-QA 2025的heiDS方法,采用查询依赖k的检索策略替代固定top-k,提升了RAG框架生成事实性答案的效果。
2025-06-24 cs.CL
Investigating the Robustness of Retrieval-Augmented Generation at the Query Level
Technical University of Munich(慕尼黑技术大学);Intel Labs(英特尔实验室);Thoughtworks
本文探究检索增强生成在查询层面的鲁棒性,发现微小查询扰动会显著降低检索性能,并提出评估框架及基于1092次实验的实践建议。
2025-07-09 cs.CL
GraphRAG-LTM: A Layered Threat Modeling Framework for Attacks on Graph Retrieval-Augmented Generation
Zhejiang University(浙江大学);Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Great Bay University(大湾区大学);Ant Group(蚂蚁集团)
该研究针对GraphRAG的证据路径攻击提出GraphRAG-LTM分层威胁建模框架,测试三类攻击者访问级别,实验验证了不同攻击手段对回答质量和事实检索的损害。
2026-10-15 cs.CL
Balance Act: Mitigating Hubness in Cross-Modal Retrieval with Query and Gallery Banks
University of Waterloo(滑铁卢大学);City University of Hong Kong(香港城市大学)
针对跨模态检索中的枢纽性问题,提出双库归一化框架及双反转softmax方法,利用查询和图库数据降低枢纽相似度,显著提升检索性能。
2023-10-17 cs.LG
HingeMem: Boundary Guided Long-Term Memory with Query Adaptive Retrieval for Scalable Dialogues
College of Design and Innovation, Tongji University(同济大学设计创意学院);Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University(同济大学上海自主智能无人系统科学中心)
HingeMem通过边界引导的长期记忆和查询自适应检索,提升对话系统在多轮交互中的记忆效率与适应性,实验表明在不同规模的LLM上实现20%的性能提升并降低计算成本。
2026-04-08 cs.AI cs.CL
QCG-Rerank: Chunks Graph Rerank with Query Expansion in Retrieval-Augmented LLMs for Tourism Domain
School of Computer and Communication Engineering, University of Science and Technology Beijing(北京科技大学计算机与通信工程学院);Beijing Engineering Research Center for Cyberspace Data Analysis and Applications(北京网络空间数据分析与应用工程研究中心);Guangxi Tourism Development One-Click Tour Digital Cultural Tourism Industry Co.,Ltd(广西旅游发展一键游数字文化旅游产业有限公司)
针对旅游领域RAG检索结果含大量无关或矛盾信息的问题,提出QCG-Rerank模型,通过查询扩展与块图迭代计算转移概率重排序候选块,提升LLM响应质量。
2024-11-04 cs.AI cs.CL
KG-CQR: Leveraging Structured Relation Representations in Knowledge Graphs for Contextual Query Retrieval
Viettel AI, Viettel Group(越南 Viettel 集团 AI 部门);University of Engineering and Technology, Vietnam National University, Hanoi(越南国家大学河内工程大学);Department of Computer Engineering, Chung-Ang University(Chung-Ang 大学计算机工程系)
KG-CQR利用知识图谱结构化关系表示增强查询上下文,通过子图提取与补全提升RAG检索性能,在基准上实现mAP提升4-6%。
2025-09-06 cs.CL cs.DB
SketchCleanNet -- A deep learning approach to the enhancement and correction of query sketches for a 3D CAD model retrieval system
Indian Institute of Technology Madras(印度理工学院马德拉斯分校);Jadavpur University(贾达普大学)
搜索和检索仍然是计算机图形学、计算机视觉、工程设计等多个领域的主要研究课题。搜索引擎主要需要输入搜索查询和要搜索的项目数据库。在工程中,这是本文的主要内容,数据库由3D CAD模型,如垫圈,活塞,连杆等,从用户查询通常是在一个草图,试图捕捉3D模型的细节的形式。然而,草图有一些典型的缺陷,如间隙,过度绘制的部分(多笔划)等,因为检索结果是一样好的输入查询,草图需要清理和增强更好的检索结果。本文提出了一种深度学习方法来改进或清理查询草图。首先,分析不同类别的草图,以了解可能发生的许多可能的缺陷。然后,基于对这些缺陷的理解,创建清理或增强的查询草图的数据集。因此,执行深度神经网络的端到端训练,以便提供有缺陷草图和干净草图之间的映射。该网络将有缺陷的查询草图作为输入,并生成干净或增强的查询草图。定性和定量的比较,所提出的方法与其他国家的最先进的技术表明,所提出的方法是有效的。搜索引擎的结果报告使用有缺陷的和增强的查询草图,它表明,使用增强的查询草图从开发的方法产生改进的搜索结果。
2022-07-02 cs.AI cs.CV cs.LG
QueStER: Query Specification for Generative keyword-based Retrieval
MILA – Quebec AI Institute & ILLS(魁北克人工智能研究所);Université Paris-Saclay & CentraleSupélec & CNRS(巴黎-萨克雷大学);Air Liquide(Air Liquide公司);Sorbonne Université & ISIR & CNRS(索邦大学)
QueStER通过生成显式的关键词检索规范,结合生成式查询重写和传统检索的效率,提升跨领域检索性能。
2026-01-21 cs.CL cs.IR cs.LG
Semi-Structured Query Grounding for Document-Oriented Databases with Deep Retrieval and Its Application to Receipt and POI Matching
NAVER Corp(NAVER公司)
面向文档数据库的半结构化查询系统有许多实际应用。我们感兴趣的一个特定应用是将每个金融收据图像与其对应的感兴趣地点(POI,例如,在全国范围内的数据库。该问题在实际生产环境中尤其具有挑战性,在实际生产环境中,数据库中存在许多相似或不完整的条目,并且查询是嘈杂的(例如,光学字符识别中的错误)。在这项工作中,我们的目标是解决实际的挑战时,使用基于嵌入的检索的查询接地问题,在半结构化数据。利用深度语言编码用于检索的最新进展,我们进行了广泛的实验,以找到最有效的模块组合,用于嵌入和检索查询和数据库条目,而无需任何手动设计的组件。所提出的模型显着优于传统的手动模式为基础的模型,同时需要更少的开发和维护成本。我们还讨论了我们实验中的一些核心观察结果,这可能对其他领域中处理类似问题的从业者有所帮助。
2022-02-23 cs.CL cs.IR cs.LG
Pareto-depth for Multiple-query Image Retrieval
University of Michigan, Ann Arbor(密歇根大学安娜堡分校)
大多数基于内容的图像检索系统要么考虑单个查询,要么考虑包括相同对象或表示相同语义信息的多个查询。在本文中,我们考虑基于内容的图像检索问题的多个查询图像对应于不同的图像语义。提出了一种新的多查询信息检索算法,该算法结合了Pareto前沿方法(PFM)和有效流形排序(EMR)。我们表明,我们提出的算法优于最先进的多查询检索算法在现实世界的图像数据库。我们把这种性能的改善归因于Pareto前沿的渐近性质,并证明了一个理论结果,表征了前沿的渐近性质。
2014-02-21 cs.IR cs.LG stat.ML
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
Learning Query Encoders Can Be Hard Even When Vector Retrieval Is Geometrically Easy
Stanford University(斯坦福大学);Amazon AWS(亚马逊云科技);Tel Aviv University(特拉维夫大学)
本研究探讨向量检索中查询编码器的可学习性,发现其质量远低于文档索引的几何容量上限,并理论证明学习查询编码器在计算上可能困难,需指数级统计查询。
2026-10-05 cs.IR cs.LG
Coarse-Tuning for Ad-hoc Document Retrieval Using Pre-trained Language Models
Hitotsubashi University(一桥大学);Tokyo University of Technology(东京工科大学)
本文提出粗调作为预训练与微调间的中间阶段,通过查询-文档对预测(QDPP)学习查询表示及关系,显著提升了四个临时文档检索数据集的MRR和nDCG@5。
2024-03-27 cs.AI cs.CL cs.IR
Learning Diverse Document Representations with Deep Query Interactions for Dense Retrieval
Beihang University(北京航空航天大学);Microsoft Research Asia(微软亚洲研究院)
在本文中,我们提出了一个新的稠密检索模型,学习不同的文档表示与深度查询交互。我们的模型编码每个文档与一组生成的伪查询,以获得查询通知,多视图文档表示。它不仅像vanilla双编码器模型一样具有高推理效率,而且还可以在文档编码中实现深度查询-文档交互,并提供多方面的表示以更好地匹配不同的查询。在几个基准测试上的实验证明了所提出的方法的有效性,性能优于强双编码器基线。代码可在\url {https:github.com/jordane95/dual-cross-encoder
2022-08-08 cs.CL cs.IR
Deep Reinforced Query Reformulation for Information Retrieval
查询重构长期以来一直是缓解信息检索中词汇不匹配问题的关键机制,例如通过用相关查询术语扩展查询或通过生成查询的释义。在这项工作中,我们提出了一个深度强化查询重构(DRQR)模型,自动生成新的查询重构。为了鼓励模型生成查询,可以实现高性能的检索任务时,我们将查询性能预测到我们的奖励函数。此外,为了在信息检索的背景下评估重构查询的质量,我们首先训练我们的DRQR模型,然后将检索排名模型应用于所获得的重构查询。实验在TREC 2020深度学习跟踪MSMARCO文档排序数据集上进行。我们的研究结果表明,我们提出的模型优于几个查询重构模型基线时,执行检索任务。此外,当与各种检索模型(如查询扩展和BERT)结合时,也观察到改进。
2020-07-15 cs.IR
Experiments on Manual Thesaurus based Query Expansion for Ad-hoc Monolingual Gujarati Information Retrieval Tasks
在本文中,我们提出的实验工作做查询扩展(QE)的古吉拉特语文本文档的检索任务。在信息检索中,准确地估计用户的需求是非常困难的,查询扩展在原始查询的基础上增加检索词,从而提供更多的用户需求信息。查询扩展有多种方法。在我们的工作中,手动词库为基础的查询扩展进行广泛使用的信息检索模型古吉拉特语文本文档的性能进行评估。实验结果表明,查询扩展提高了文本文档的查全率。
2020-01-18 cs.IR
Query Optimization for Parametric Knowledge Refinement in Retrieval-Augmented Large Language Models
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出ERRR框架,通过从LLM提取参数化知识并利用可训练的小型查询优化器精炼查询,以低成本提升RAG系统检索准确性与问答性能。
2025-09-19 cs.CL cs.IR
Succeeding at Scale: Enterprise Retrieval Benchmark Construction and Index-Preserving Query Adaptation for Multi-Tenant Search
Prateek Jain;Shabari S Nair;Ritesh Goru;Prakhar Agarwal;Ajay Yadav;Yoga Sri Varshan Varadharajan;Constantine Caramanis
针对多租户检索系统中标注数据匮乏和模型更新成本高的问题,提出全自动构建基准DevRev-Search,并研究仅微调查询编码器而保持文档索引不变的索引保持查询适配策略,实现质量与效率的平衡。
2026-06-15 cs.AI cs.CL cs.IR
Combining Text and Formula Queries in Math Information Retrieval: Evaluation of Query Results Merging Strategies
特定于数学的信息检索是在文档和查询中将文本与数学公式相结合。对查询扩展进行了严格的评估,并给出了在查询中结合数学和标准文本关键词的合并策略。结果表明,类似于那些已知的从文本查询处理的技术可以应用在数学信息检索,以及,并导致尖端的性能。分条和合并来自子查询的部分结果是一种改进由信息检索评估度量(如Bclock)测量的结果的技术。
2015-08-08 cs.IR
IRLab@iKAT24: Learned Sparse Retrieval with Multi-aspect LLM Query Generation for Conversational Search
University of Amsterdam(阿姆斯特丹大学)
本文研究对话式搜索中的查询重写,提出基于MQ4CS框架的多维度LLM查询生成方法,并结合SPLADE学习型稀疏检索与交叉编码器重排序,在iKAT 2024任务中验证了该方法能有效提升检索性能并超越人工重写效果。
2024-11-22 cs.CL cs.IR
Exploiting Neural Query Translation into Cross Lingual Information Retrieval
Alibaba Group(阿里巴巴集团)
查询翻译作为跨语言信息检索(CLIR)中的一个重要环节,面临着三个主要挑战:1)翻译的充分性; 2)缺乏域内并行训练数据; 3)对低延迟的要求。为此,现有的CLIR系统主要利用基于语法的机器翻译(SMT)而不是高级神经机器翻译(NMT),限制了翻译和检索质量的进一步提高。本文研究了如何将神经查询翻译模型应用到CLIR系统中。具体而言,我们提出了一种新的数据增强方法,提取查询翻译对,根据用户点击数据,从而减轻在NMT领域适应的问题。然后,我们提出了一种异步策略,它能够充分利用SMT的实时性和NMT的准确性的优势。实验结果表明,该方法的检索质量优于强基线,可以很好地应用于实际的CLIR系统,即Aliexpress电子商务搜索引擎。读者可以在我们的网站上检查和测试他们的案例:https://aliexpress.com。
2020-10-26 cs.CL cs.IR
QUILL: Query Intent with Large Language Models using Retrieval Augmentation and Multi-stage Distillation
Google Research(谷歌研究院);Google(谷歌)
大语言模型(LLM)在各种文本理解任务上显示出令人印象深刻的结果。然而,搜索查询却构成了一个独特的挑战,因为它们的长度很短,缺乏细微差别或上下文。复杂的特征工程工作并不总是导致下游的改进,因为它们的性能优势可能会被知识蒸馏的复杂性增加所抵消。因此,在本文中,我们做出了以下贡献:(1)我们证明了检索增强查询提供LLM有价值的额外的上下文,从而提高理解。虽然检索增强通常会增加LM的延迟(从而损害蒸馏效率),(2)我们提供了一种实用且有效的蒸馏检索增强LLM的方法。具体来说,我们使用了一种新的两阶段蒸馏方法,使我们能够进行检索增强的收益,而不会遭受通常与之相关的计算增加。(3)我们证明了所提出的方法(QUILL)的好处在十亿规模,现实世界的查询理解系统,从而产生巨大的收益。通过广泛的实验,包括公共基准测试,我们相信这项工作提供了一个实用的检索增强查询理解的配方。
2022-10-27 cs.CL cs.IR
LightRetriever: A LLM-based Text Retrieval Architecture with Extremely Faster Query Inference
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安全学院);Langboat Technology(兰舟科技)
LightRetriever通过轻量级查询编码器显著提升检索效率,实现查询推理速度提升超1000倍,端到端吞吐量提升超10倍,且在多种任务中保持95%的检索性能。
2026-01-30 cs.AI cs.CL cs.IR
QABISAR: Query-Article Bipartite Interactions for Statutory Article Retrieval
School of Computation, Information, and Technology(计算、信息与技术学院);Technical University of Munich(慕尼黑工业大学)
针对法定条文检索中查询与条文孤立建模导致的语义不匹配,提出QABISAR框架,通过二分交互和知识蒸馏增强查询表示,并在专家标注数据集上验证有效。
2024-12-01 cs.CL cs.IR
An Axiomatic Study of Query Terms Order in Ad-hoc Retrieval
经典的检索方法使用简单的词袋表示查询和文档。这种表示无法捕捉查询和文档的全部语义丰富性。最近的检索模型试图克服这一缺陷,通过使用的方法,如将查询条件之间的依赖关系,使用双元语法表示的文件,邻近检索,并通过检索。虽然这些以前的作品中的一些已经隐含地考虑了术语顺序,但据我们所知,术语顺序并不是任何研究的主要焦点。在本文中,我们只关注在信息检索的术语顺序的效果。我们将证明,在查询中有两个相同顺序的查询词的文档比有两个相反顺序的查询词的文档具有更高的相关概率。使用信息检索的公理化框架,我们引入了一个约束,检索模型必须遵守,以有效地利用查询条件之间的术语顺序依赖。我们修改现有的检索模型,基于这个约束条件,以便如果一对查询条件的顺序是语义上重要的,一个文件,包括这些查询条件在相同的顺序作为查询应该得到更高的分数相比,包括它们在相反的顺序的文件。我们使用TREC新闻专线和网络语料库的实证评估表明,修改后的检索模型显着优于原来的同行。
2018-11-08 cs.IR
Ontology-Guided Query Expansion for Biomedical Document Retrieval using Large Language Models
University of California Riverside(加州大学河滨分校);Friedrich Schiller University Jena(施莱尔大学耶拿分校)
本文提出本体感知查询扩展流程BMQExpander,融合UMLS医学知识与大型语言模型生成能力,在三个生物医学IR基准上显著提升检索性能,并在查询扰动下表现稳健且幻觉更少。
2025-08-15 cs.IR cs.LG
Exp4Fuse: A Rank Fusion Framework for Enhanced Sparse Retrieval using Large Language Model-based Query Expansion
City University of Hong Kong(香港城市大学);The University of Hong Kong(香港大学)
本文提出 Exp4Fuse 排序融合框架,通过融合原始查询与 LLM 零样本扩展查询的稀疏检索结果,在多个数据集上以更低成本取得 SOTA。
2025-06-05 cs.AI cs.CL cs.IR
Query, Decompose, Compress: Structured Query Expansion for Efficient Multi-Hop Retrieval
Chung-Ang University(中央大学)
本文提出DeCoR框架,通过结构化信息精炼提升多跳检索效率,采用查询分解和文档压缩技术,使小模型在复杂检索中表现优于大模型。
2026-01-14 cs.IR
AdaCQR: Enhancing Query Reformulation for Conversational Search via Sparse and Dense Retrieval Alignment
Southeast University(东南大学)
AdaCQR通过同时对齐稀疏与稠密检索系统并采用两阶段训练策略,提升了对话式查询改写的泛化能力、效率和鲁棒性,在TopiOCQA和QReCC上优于现有方法。
2025-01-03 cs.CL cs.IR
More Robust Dense Retrieval with Contrastive Dual Learning
稠密检索在嵌入空间进行文本检索,与稀疏检索相比具有许多优点。现有的密集检索器通过对比训练优化查询和文档的表示,并将其映射到嵌入空间。通过对齐匹配的查询-文档对并将否定文档推离查询来优化嵌入空间。然而,在这样的训练范例中,查询仅被优化为与文档对齐并且被粗略地定位,从而导致各向异性的查询嵌入空间。在本文中,我们分析了嵌入空间分布,并提出了一个有效的训练范式,对比对偶学习近似最近邻(DANCE)学习细粒度的查询表示稠密检索。DANCE结合了一个额外的双重训练对象的查询检索,灵感来自经典的信息检索训练公理,查询可能性。通过对比学习,DANCE的双训练对象学习查询和文档的更定制的表示,以保持嵌入空间的平滑和均匀,在MS MARCO文档检索任务上的DANCE排名性能上蓬勃发展。与仅对文档检索任务进行优化的ANCE不同,DANCE将查询嵌入集中在更接近文档表示的位置,同时使文档分布更具区分性。这种集中的查询嵌入分布为查询分配了更均匀的负采样概率,并有助于充分优化查询检索任务中的查询表示。我们的代码在https://github.com/thunlp/DANCE上发布。
2021-07-16 cs.IR
Query Expansion and Entity Weighting for Query Reformulation Retrieval in Voice Assistant Systems
Amazon Alexa AI(亚马逊Alexa人工智能部门)
Alexa、Siri和Google Assistant等语音助手在全球范围内越来越受欢迎。然而,语言变化、语音模式的可变性、环境声学条件和其他这样的因素通常与助理误解用户的查询相关。为了提供更好的客户体验,基于检索的查询重构(QR)系统被广泛用于重构那些被误解的用户查询。目前的QR系统通常专注于神经检索模型训练或直接实体检索以进行重构。然而,这些方法很少同时关注查询扩展和实体加权,这可能限制查询重构检索的范围和准确性。在这项工作中,我们提出了一种新的查询扩展和实体加权方法(QEEW),它利用实体目录中的实体(包括用户的查询,助理的响应,和相应的实体)之间的关系,以提高查询重构性能。在Alexa注释数据上的实验表明,与不使用查询扩展和加权的基线相比,QEEW提高了所有顶级精度指标,特别是top10精度提高了6%;与使用查询扩展和加权的其他基线相比,top10精度提高了5%以上。
2022-02-22 cs.AI cs.IR
Optimizing Query Generation for Enhanced Document Retrieval in RAG
本研究通过引入查询-文档对齐分数并利用LLM精炼查询,优化RAG中的查询生成,以缓解幻觉问题,实验显示平均准确率提升1.6%。
2024-07-17 cs.IR
Align Then Adapt: Label-Efficient Adapter Learning for Asymmetric Dense Retrieval
Megagon Labs(Megagon实验室)
本文提出Efficient Retrieval Adapter框架,通过自监督对齐和监督适应两阶段训练,解决复杂查询与简单文档之间的检索不匹配问题,提升低标注场景下的检索性能。
2026-08-27 cs.CL cs.IR
Aligned Query Expansion: Efficient Query Expansion for Information Retrieval through LLM Alignment
针对查询扩展中“先生成后过滤”方法成本高且无法教模型识别有效查询的问题,提出AQE方法,利用LLM对齐技术微调模型直接优化检索任务,无需额外过滤,在域内外均显著提升检索效果。
2025-07-15 cs.IR