RANGER -- Repository-Level Agent for Graph-Enhanced Retrieval
Georgia Institute of Technology(佐治亚理工学院);Nutanix(Nutanix公司)
本文提出仓库级代码检索智能体 RANGER,利用含变量级依赖、文本描述与嵌入的全仓库知识图谱,通过 Cypher 查找和 MCTS 探索双阶段流程,同时支持实体查询与自然语言查询,并在四个 ASE 基准上取得优于强基线的检索与补全效果。
2025-09-27 cs.IR cs.LG cs.SE
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
Text Extraction and Retrieval from Smartphone Screenshots: Building a Repository for Life in Media
Stanford University(斯坦福大学)
日常生活体验与移动终端的使用日益交织。以秒为单位的屏幕捕获正在用于行为研究和实施“及时”健康干预措施。数字信息的心理广度不断增加,将继续使人们观看的实际屏幕成为生活经验数据的首选来源。有效和高效的信息抽取和检索从数字屏幕截图是一个至关重要的先决条件,成功地使用屏幕数据。在本文中,我们提出的实验工作流程,我们利用:(一)预处理一个独特的收集屏幕截图,(二)提取嵌入在图像中的非结构化文本,(三)组织图像文本和元数据的基础上结构化的模式,(四)索引所产生的文档集合,(五)允许图像检索通过一个专门的垂直搜索引擎应用程序。所采用的程序集成了不同的开放源码库的传统图像处理,光学字符识别(OCR),图像检索。我们的目的是评估是否以及如何将最先进的方法应用于这一新的数据集。我们展示了如何将基于OpenCV的预处理模块与基于Tesseract OCR的长短期记忆(LSTM)版本相结合,而无需专门的训练,从而使提取的文本具有74%的字符级准确度。此外,我们使用处理后的存储库作为专用图像检索系统的基线,供行为和预防科学家立即使用和应用。我们讨论了文本信息抽取和检索的问题,特别是截图图像的情况下,并提出了重要的未来工作。
2018-01-04 cs.CV cs.DL cs.IR
Enhancing Knowledge Density via Hierarchical Context Pruning for Retrieval-Augmented Repository-Level Code Completion
MIIT Key Laboratory of Pattern Analysis and Machine Intelligence(信息科技模式分析与机器智能国家重点实验室);College of Computer Science and Technology(计算机科学与技术学院);Huaneng Information Technology Co Ltd(华能信息技术有限公司);Hunan Vanguard Group Corporation Co Ltd(湖南 Vanguard集团有限公司);Tsinghua University(清华大学);Zhejiang University(浙江大学);PowerChina Huadong Engineering Co Ltd(国家电网华东工程有限公司)
针对传统检索在代码补全中存在信息冗余与缺乏多样性的问题,提出资源优化的SaraCoder,通过层次特征优化与外部感知标识符消歧模块系统精炼检索结果,在多个基准上显著提升了仓库级代码补全的准确性与可靠性。
2026-10-16 cs.CL cs.IR cs.PL
Dense Passage Retrieval in Conversational Search
针对对话搜索的检索需求,将稠密检索技术应用于该场景,提出融合查询重构策略的GPT2QR+DPR端到端系统,在CAsT数据集上验证其无需大规模微调即优于BM25,为对话搜索的神经检索研究提供支撑。
2025-03-21 cs.IR
Natural Language Summarization Enables Multi-Repository Bug Localization by LLMs in Microservice Architectures
Yildiz Technical University, Dept. of Computer Eng.(Yildiz技术大学,计算机工程系);Yildiz Technical University, Department of Computer Engineering(Yildiz技术大学,计算机工程系)
利用自然语言摘要和LLM技术,通过多仓库微服务架构实现更高效的Bug定位,显著提升定位准确率和透明度。
2025-12-05 cs.AI cs.CL cs.IR
SearchGCN: Powering Embedding Retrieval by Graph Convolution Networks for E-Commerce Search
图卷积网络(GCN)是近年来发展起来的一种用于图节点分类、推荐等应用的新方法,但尚未成功应用于工业规模的搜索引擎。在这个建议中,我们介绍了我们的方法,即SearchGCN,在世界上最大的电子商业搜索引擎之一的嵌入式候选检索。实证研究表明,SearchGCN学习更好的嵌入表示比现有的方法,特别是对于长尾查询和项目。因此,SearchGCN自二零二零年七月起已部署于JD.com的搜索产品中。
2021-07-01 cs.IR
R$^2$-Searcher: Calibrating Retrieval and Reasoning Boundaries for Agentic Search
City University of Hong Kong(香港城市大学);Huawei Technologies Ltd.(华为技术有限公司);Dalian University of Technology(大连理工大学)
提出R$^2$-Searcher框架,通过细粒度查询令牌引导的证据建模和检索后反思,校准检索与推理边界,在多跳问答基准上显著优于现有方法。
2026-06-26 cs.IR
Off the Beaten Path: Let's Replace Term-Based Retrieval with k-NN Search
检索管道通常依赖于基于术语的搜索来获得候选记录,这些候选记录随后被重新排名。这种方法错过了一些候选人,例如,因为词汇不匹配我们解决这个问题,取代基于术语的搜索与通用的k-NN检索算法,其中的相似性函数可以考虑到微妙的长期关联。虽然使用此相似性函数的精确蛮力k-NN搜索是缓慢的,但我们证明了近似算法可以快近两个数量级,代价是精度损失很小。使用近似k-NN搜索的检索流水线可以比基于术语的流水线更有效和高效。这为设计有效的检索管道开辟了新的可能性。我们的软件(包括数据生成代码)和基于Stack Overflow收集的衍生数据可在线获得。
2016-10-31 cs.IR
Beyond Lexical: A Semantic Retrieval Framework for Textual SearchEngine
搜索引擎已经成为各种Web和移动应用程序中的基本组件。对于搜索引擎系统来说,从海量数据集中检索相关文档是一个挑战,尤其是在面对冗长或尾查询时。在本文中,我们探讨了一个向量空间搜索框架的文件检索。具体来说,我们训练了一个深度语义匹配模型,这样每个查询和文档都可以被编码为低维嵌入。我们的模型是基于BERT架构训练的。我们部署了一个快速的k-最近邻索引服务的在线服务。离线和在线指标表明,我们的方法大大提高了检索性能和搜索质量,特别是对尾部
2020-08-10 cs.IR
Math Search for the Masses: Multimodal Search Interfaces and Appearance-Based Retrieval
本文总结了近年来文献与模式识别实验室推出的数学搜索引擎和搜索接口,特别是min数学搜索接口和Tangent搜索引擎。这两个系统的源代码都是公开的。“大众”指的是我们强调为数学非专家创建系统,他们可能希望定义不熟悉的符号,或者基于公式的视觉外观而不是其数学语义来浏览文档。
2015-05-11 cs.IR
Pre-trained Language Model for Web-scale Retrieval in Baidu Search
检索是网络搜索中的一个关键阶段,它从十亿规模的语料库中识别出一小部分与查询相关的候选者。在检索阶段发现更多的语义相关的候选是非常有希望向最终用户展示更多的高质量的结果。然而,在实际的搜索引擎中,如何建立和部署有效的语义匹配检索模型仍然是一个不容忽视的挑战。在本文中,我们描述了检索系统,我们开发和部署在百度搜索。该系统利用了最新的国家的最先进的中文预训练的语言模型,即增强表示通过知识整合(ERNIE),这有利于系统的表达语义匹配。特别是,我们开发了一个基于ERNIE的检索模型,该模型配备了1)基于表达性转换器的语义编码器,以及2)全面的多阶段训练范式。更重要的是,我们提出了一个实用的系统工作流程部署模型在网络规模的检索。最终,该系统完全部署到生产环境中,并进行了严格的离线和在线实验。实验结果表明,该系统能够进行高质量的候选检索,特别是对于那些不常见的需求尾查询。总的来说,由预训练的语言模型(即,ERNIE)可以在很大程度上提高我们的搜索引擎的可用性和适用性。
2021-10-16 cs.IR
A Framework for Evaluating the Retrieval Effectiveness of Search Engines
本章提出了一个评估下一代搜索引擎的理论框架。我们关注的是搜索引擎,其结果呈现丰富了附加信息,而不仅仅是呈现通常的10个蓝色链接列表,即10个链接到结果,并附有简短的描述。虽然这里以Web搜索为例,但该框架可以很容易地应用于任何其他领域的搜索引擎。该框架不仅解决了结果的呈现,但也考虑到检索有效性测试的一般设计的扩展。本章探讨了这种设计可能会影响这些研究结果的方式,以及如何设计最可靠的测试。
2015-11-18 cs.IR
Embedding-based Retrieval in Facebook Search
在诸如Facebook的社交网络中进行搜索与在传统网络搜索中进行搜索相比提出了不同的挑战:除了查询文本之外,重要的是要考虑查询者的上下文以提供相关的结果。他们的社交图谱是这一背景的一个组成部分,也是Facebook搜索的一个独特方面。虽然基于嵌入的检索(EBR)已经在eb搜索引擎中应用多年,但Facebook搜索仍然主要基于布尔匹配模型。在本文中,我们讨论了将EBR应用于Facebook搜索系统的技术。我们介绍了统一的嵌入框架开发的个性化搜索的语义嵌入模型,并在一个典型的搜索系统的基础上,一个倒排索引的系统,以服务于基于嵌入的检索。我们讨论了整个系统端到端优化的各种技巧和经验,包括ANN参数调整和全栈优化。最后,我们提出了我们的进展,在两个选定的高级主题建模。我们评估了Facebook搜索垂直领域的EBR,在在线A/B实验中观察到了显著的指标收益。我们相信,本文将提供有益的见解和经验,以帮助人们开发嵌入式检索系统的搜索引擎。
2020-07-29 cs.IR
Artifact Sharing for Information Retrieval Research
本文针对信息检索研究中索引等工件缺乏统一共享方式的问题,提出一种灵活且可互操作的工件共享方案,以提升工件的可发现性与复用性。
2025-05-08 cs.IR
MAKE: Vision-Language Pre-training based Product Retrieval in Taobao Search
淘宝搜索分为两个阶段:检索阶段和排名阶段。给定一个用户查询,检索阶段返回一个候选产品的子集,用于下一个排名阶段。最近,预训练和微调的范式已经显示出它的潜力,将视觉线索的检索任务。本文主要研究淘宝搜索中文本到多模态检索的问题。我们认为,用户对标题或图像的关注因产品而异。因此,我们提出了一种新的跨模态融合的模态自适应模块,它有助于跨产品的文本和图像分配适当的权重。此外,在电子商务搜索中,用户查询往往是简短的,从而导致显着的语义不平衡之间的用户查询和产品标题。因此,我们设计了一个单独的文本编码器和关键字增强机制,以丰富查询表示和提高文本到多模态匹配。为此,我们提出了一种新的视觉语言(V+L)预训练方法,以利用(用户查询,产品标题,产品图像)的多模态信息。大量的实验表明,我们的检索特定的预训练模型(简称为MAKE)优于现有的V+L预训练方法的文本到多模态检索任务。MAKE已经上线,并对淘宝搜索的检索系统进行了重大改进。
2023-02-18 cs.IR
Embedding-based Product Retrieval in Taobao Search
如今,电子商务平台的产品搜索服务已经成为人们生活中至关重要的购物渠道。产品的检索阶段决定了检索系统的质量,逐渐受到研究者的重视。从大规模语料库中检索最相关的产品,同时保留个性化的用户特征仍然是一个悬而未决的问题。最近在这一领域的方法主要集中在嵌入式检索(EBR)系统。然而,在淘宝网上进行了长时间的实验后,我们发现EBR系统的性能由于以下原因而急剧下降:(1)与给定查询的相关性低;(2)训练和推理阶段之间的差异。因此,我们提出了一种新颖而实用的基于嵌入的产品检索模型,命名为多粒度深度语义产品检索(MGDSPR)。具体来说,我们首先识别训练和推理阶段之间的不一致性,然后使用softmax交叉熵损失作为训练目标,从而实现更好的性能和更快的收敛。进一步提出了两种有效的方法来提高检索相关性,包括平滑噪声训练数据和生成相关性提高硬负样本,而不需要额外的知识和训练过程。我们评估MGDSPR在淘宝商品搜索的离线实验和在线A/B测试中观察到的显着指标增益。MGDSPR已成功部署到淘宝搜索现有的多渠道检索系统中。此外,我们亦介绍网上部署计划,并分享检索系统的实际经验,以回馈社会。
2021-06-17 cs.IR
Semantic Search for Information Retrieval
本研究综述信息检索从词汇技术到语义检索器的发展,介绍BM25基线及DPR、ColBERT、SPLADE、MonoT5等现代语义检索模型,还探讨评估策略、挑战与未来方向。
2025-08-25 cs.IR
Improving web search using contextual retrieval
上下文检索是当今搜索引擎在方便查询和返回相关信息方面的关键技术。本文报道了一个系统的开发和评估,该系统旨在解决与万维网(WWW)的上下文信息检索相关的一些挑战。所开发的系统已被设计,以捕捉隐式和显式的用户数据,这是用来开发一个人的上下文配置文件。这样的配置文件可以在多个用户之间共享,以创建共享的上下文知识库。这些用于优化搜索查询并改善用户的搜索结果及其搜索体验。已经进行了一项实证研究,以评估该系统对一些假设。在本文中,结果相关的一个支持索赔,用户可以找到更容易使用的上下文搜索系统的信息。
2014-07-23 cs.IR
Deep Agentic Search for Repository-Level Code Question Answering: An Empirical Study
Yildiz Technical University(伊兹丁技术大学);Intellica Business Intelligence(英特利卡商业智能)
该研究在SWE-QA基准上对比语义搜索与深度智能体搜索的代码问答效果,发现语义搜索正确率更高、成本更低,深度智能体搜索存在交接环节的新失败问题。
2026-08-04 cs.AI cs.IR cs.MA
VERA: Validation and Evaluation of Retrieval-Augmented Systems
Amazon(亚马逊公司)
本文提出VERA框架,通过cross-encoder综合评分与文档库级Bootstrap置信界,提升RAG系统评估的透明度、可靠性及负责任AI落地能力。
2024-08-16 cs.AI cs.IR
An Efficient Indexing and Searching Technique for Information Retrieval for Urdu Language
索引技术用于改进响应特定搜索条件的数据检索。倒排文件主要用于创建索引。本文提出了乌尔都语的索引技术。索引创建中的语言处理步骤因特定语言而异。我们将专门讨论乌尔都语的索引创建步骤。我们探索乌尔都语的形态规则,并实现这些规则来创建乌尔都语词干。我们实现我们提出的技术与不同的实现和比较结果。我们建议,索引应创建没有停止字,索引文件也应该是一个顺序索引文件。
2021-02-28 cs.IR
The Retrieval Effectiveness of Web Search Engines: Considering Results Descriptions
目的:比较五个主要的Web搜索引擎(Google、Yahoo、MSN、Ask.com和Seekport)的检索效果,不仅考虑结果,而且考虑结果描述。设计/方法/方式:该研究使用现实生活中的查询。结果是匿名和随机的。结果由提出原始查询的人判断。结果:两个主要的搜索引擎,谷歌和雅虎,表现最好,他们之间没有显着差异。Google提供的结果描述比其他任何搜索引擎都要相关得多。这可能是用户认为该引擎优越的原因之一。研究局限性:该研究基于用户模型,其中用户相当系统地考虑了一定数量的结果。在现实生活中,情况可能并非如此。实际意义:暗示搜索引擎应该关注相关的描述。建议搜索者使用除Google之外的其他搜索引擎。创意/价值:这是第一个主要的研究比较结果和描述系统,并提出了新的检索措施,以考虑到结果的描述
2015-11-18 cs.IR
NLP-Powered Repository and Search Engine for Academic Papers: A Case Study on Cyber Risk Literature with CyLit
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);The Ohio State University(俄亥俄州立大学)
本文提出利用NLP自动检索、摘要和聚类特定领域学术文献的框架,并构建网络风险文献库CyLit,通过与综述和ChatGPT分类结果比较验证其检索与趋势分析价值。
2024-09-10 cs.CL 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
A survey: Information search time optimization based on RAG (Retrieval Augmentation Generation) chatbot
基于RAG的聊天机器人在信息检索时间优化方面优于传统搜索方法,能有效提升搜索效率。
2025-11-10 cs.AI cs.IR
Deep Learning for MIR Tutorial
Center for Digital Safety & Security(数字安全与安全中心);Musimap;Faculty of Informatics(信息学院);Austrian Institute of Technology(奥地利技术研究所);TU Wien(维也纳技术大学)
深度学习已经成为视觉计算的最新技术,并不断出现在音乐信息检索(MIR)和音频检索领域。为了引起人们对这个主题的关注,我们提出了一个关于MIR的深度学习的入门教程。除了对神经网络的一般介绍外,拟议的教程还涵盖了广泛的MIR相关深度学习方法。\textbf{Convolutional Neural Networks}目前是基于深度学习的音频检索的事实标准。\textbf{Recurrent Neural Networks}已被证明在诸如心跳或音频事件检测的发作检测任务中是有效的。\textbf{Siamese Networks}在学习音频表示和特定于音乐相似性检索的距离函数方面已被证明是有效的。我们将把学术和工业的观点纳入教程。伴随着教程,我们将为教程中呈现的内容创建一个Github存储库,以及对最先进的作品和文献的引用,以供进一步阅读。该仓库将在会议结束后保持公开。
2020-01-15 cs.IR cs.LG cs.SD
Quotient Space-Based Keyword Retrieval in Sponsored Search
Baidu(百度)
随着各大搜索引擎将对精确匹配产品的匹配要求放宽到同义级别,同义关键词检索成为赞助式搜索的一个重要问题。由于查询和关键字之间的同义关系是相当稀缺的,传统的信息检索框架在这种情况下是低效的。在本文中,我们提出了一种新的商空间为基础的检索框架来解决这个问题。将关键词之间的同义关系看作是一种数学等价关系,将同义关键词压缩为一个代表,对应的商空间将大大减小关键词库的规模。然后直接在查询和关键字代表之间进行基于嵌入的检索。为了减少基于商空间的检索的语义鸿沟,一个单一的语义连体模型被用来检测关键字-关键字和查询-关键字的同义关系。实验结果表明,基于商空间的同义词检索方法在记忆代价和召回效率方面都有很大的提高。该方法已在百度的在线赞助搜索系统中成功实施,并在收入方面取得了显着的改善。
2021-05-26 cs.IR cs.LG
Modernizing Facebook Scoped Search: Keyword and Embedding Hybrid Retrieval with LLM Evaluation
Meta
本文提出一种现代化Facebook Group Scoped Search框架,通过融合关键词与嵌入检索(EBR)提升搜索相关性与多样性,并引入基于LLM的离线评估框架,经在线指标验证显著提升了用户参与度和搜索质量。
2025-09-17 cs.AI cs.IR
AMES: Approximate Multi-modal Enterprise Search via Late Interaction Retrieval
Apple(苹果公司)
AMES通过晚期交互检索架构实现多模态企业搜索,无需架构重设计,利用多向量编码器将文本、图像和视频嵌入共享空间,实验显示其在可扩展的Solr系统中表现优异。
2026-03-13 cs.IR cs.LG
Multimodal semantic retrieval for product search
Amazon Luxembourg(亚马逊卢森堡);Amazon Spain(亚马逊西班牙)
本文面向电商商品搜索构建融合文本与商品图像的多模态表示,并在电商数据集上验证其可提升语义检索的购买召回或相关性准确率。
2025-02-17 cs.IR cs.LG
Information Retrieval in the Cloud
最近的趋势是将IT基础设施迁移到云中。在本文中,我们讨论了这种趋势的影响,搜索文本和其他数据,即分布式索引和检索的信息,从组织的背景下。关键词:信息检索;联合搜索;云搜索。
2018-07-01 cs.CY cs.IR
ProphetNet-Ads: A Looking Ahead Strategy for Generative Retrieval Models in Sponsored Search Engine
University of Science and Technology of China(中国科学技术大学);Microsoft Research Asia(微软亚洲研究院);Microsoft(微软);Sun Yat-sen University(中山大学)
在赞助式搜索引擎中,最近提出了生成式检索模型来挖掘用户输入查询的相关广告关键字。生成式检索模型在目标库前缀树(Trie)的路径上逐个标记地生成输出,保证生成的所有输出都是合法的,并被目标库覆盖。在实际应用中,我们发现了Trie约束搜索长度所引起的几个典型问题。在本文中,我们分析了这些问题,并提出了一个前瞻性的战略生成检索模型命名为AdvertNet-Ads。Ads通过直接优化Trie约束的搜索空间来提高检索能力。我们建立了一个数据集,从一个真正的字赞助的搜索引擎,并进行实验,以分析不同的生成检索模型。与最近提出的基于Trie的LSTM生成式检索模型相比,我们的单一模型结果和综合结果分别提高了15.58%和18.8%。案例研究进一步证明了这些问题是如何缓解的AdvertNet-Ads清楚。
2020-10-21 cs.CL cs.IR
Search Is Not Retrieval: Decoupling Semantic Matching from Contextual Assembly in RAG
Services AI Research Group, Dell Technologies(Dell Technologies人工智能服务研究组)
针对现有RAG检索系统混淆相关信息查找与推理上下文供给的问题,提出SINR双层解耦框架,在无额外开销下提升检索性能,为下一代检索增强AI系统提供基础。
2025-11-12 cs.AI cs.IR
DuReader_retrieval: A Large-scale Chinese Benchmark for Passage Retrieval from Web Search Engine
University of Edinburgh(爱丁堡大学);Baidu Inc.(百度公司)
本文介绍了一个用于段落检索的大规模中文数据集DuReader_retrieval。DuReader_retrieval包含来自商业搜索引擎的超过9万个查询和超过800万个独特的段落。为了减轻其他数据集的缺点并确保我们的基准测试的质量,我们(1)通过手动注释从多个检索器汇集的结果来减少开发和测试集中的假阴性,以及(2)删除语义上与开发和测试查询相似的训练查询。此外,我们还提供了两个用于跨域评估的域外测试集,以及一组用于跨语言检索评估的人工翻译查询。实验结果表明,DuReader_retrieval是一个具有挑战性的和一些问题仍然没有解决,如显着的短语不匹配和查询和段落之间的句法不匹配。这些实验还表明,密集检索器不能很好地推广跨领域,跨语言检索本质上是具有挑战性的。DuReader_retrieval可在https://github.com/baidu/DuReader/tree/master/DuReader-Retrieval上公开获取。
2022-11-15 cs.CL cs.IR
Beyond Keywords and Relevance: A Personalized Ad Retrieval Framework in E-Commerce Sponsored Search
在大多数赞助搜索平台上,广告商对其广告(广告)的某些关键字进行出价。给定搜索请求,广告检索模块将查询重写为竞价关键词,并以竞价关键词为关键词通过倒排索引选择TopN广告。以这种方式,当广告商不对相应的关键字出价时,即使查询是相关的,也不会检索到广告。此外,大多数广告检索方法将重写和广告选择视为两个独立的任务,并专注于提高搜索查询和广告之间的相关性。近年来,在电子商业赞助搜索中引入了越来越多的个性化信息,如用户简档、长时间和实时点击等。个性化信息使得广告检索能够采用更多的元素(例如实时点击)作为搜索信号和检索关键字,然而它使得广告检索更难以测量通过不同信号检索的广告。为了解决这些问题,我们提出了一个新的广告检索框架,超越关键字和相关性在电子商业赞助搜索。首先,我们使用历史广告点击数据初始化一个分层网络表示的信号,键和广告,其中个性化信息的介绍。然后,我们训练一个模型的层次网络的顶部,通过学习边的权重。最后,我们根据模型选择最好的边缘,提高RPM/CTR。在我们的电子商业平台上的实验结果表明,我们的广告检索框架取得了良好的性能。
2018-04-23 cs.IR stat.ML
Towards a Search Engine for Machines: Unified Ranking for Multiple Retrieval-Augmented Large Language Models
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本文提出uRAG框架,通过统一检索引擎服务多个下游RAG系统,并构建含36个RAG系统的大规模实验生态,以研究面向机器的搜索引擎的核心问题。
2024-04-30 cs.CL cs.IR
A Complete Year of User Retrieval Sessions in a Social Sciences Academic Search Engine
在本文中,我们提出了一个开放的数据集提取的社会科学学术搜索引擎sowiport的交易日志。该数据集包括sowiport用户在2014年4月至2015年4月期间进行的484,449次检索会话的过滤集。我们提出了一个描述的学术搜索引擎用户,可以用于不同的应用程序,如结果排名改进,用户建模,查询重构分析,搜索模式识别进行的交互。
2017-09-23 cs.DL cs.IR
Scaling Cross-Domain Content-Based Image Retrieval for E-commerce Snap and Search Application
Clarifai(Clarifai公司)
在ECIR 2022的这个行业演讲中,我们说明了我们如何使用级联方法以及我们的视觉搜索和分类功能的组合来解决大规模跨域基于内容的图像检索的主要挑战。具体来说,我们提出了一个系统,能够处理的数据规模为电子商业的使用和跨域的查询和画廊图像池的性质。我们展示了在现实世界的电子商业快照和搜索用例中应用的方法及其对排名和延迟性能的影响。
2022-04-13 cs.CV cs.IR
The State-of-the-Art in Lifelog Retrieval: A Review of Progress at the ACM Lifelog Search Challenge Workshop 2022-24
Dublin City University(都柏林城市大学);Joanneum Research(约安妮姆研究所);University of Bergen(卑尔根大学);Lancaster University(兰卡斯特大学);Reykjavik University(雷克雅未克大学);Klagenfurt University(克拉根福大学);University of Science, VNU-HCM(越南国家大学胡志明市分校科学技术大学);Institute of Information Science and Technologies, National Research Council (CNR)(意大利国家研究委员会信息与科学技术研究所)
本文综述了ACM生命周期检索挑战工作坊2022-24年在交互式生命周期检索领域的最新进展,重点分析了嵌入式检索方法、大语言模型整合及多模态界面的创新,并探讨了系统性能与用户界面设计的平衡问题。
2026-01-15 cs.IR cs.MM
Event-enhanced Retrieval in Real-time Search
Tencent Search, Platform and Content Group(腾讯平台与内容事业群搜索业务)
本文提出事件增强检索方法EER,通过改进双编码器并结合对比学习与事件三元组抽取,强化实时搜索对关键事件信息的关注,显著提升检索性能。
2024-04-09 cs.CL cs.IR
Que2Engage: Embedding-based Retrieval for Relevant and Engaging Products at Facebook Marketplace
Meta;University of California, Merced(加州大学默塞德分校)
电子商务搜索中的基于嵌入的检索(EBR)是一种强大的搜索检索技术,用于解决搜索查询和产品之间的语义匹配。然而,像Facebook Marketplace Search这样的商业搜索引擎是针对多个业务目标进行优化的复杂多阶段系统。在Facebook Marketplace,搜索检索侧重于将搜索查询与相关产品相匹配,而搜索排名则更强调上下文信号,以提升更具吸引力的产品的排名。因此,端到端的体验是相关性和参与度的函数,以及系统不同阶段之间的交互。这对EBR系统提出了挑战,以便优化更好的体验。在本文中,我们提出了Que 2 Engage,搜索EBR系统建立在缩小检索和排名之间的差距,端到端的优化。Que 2 Engage采用多模态和多任务方法,将上下文信息注入检索阶段,并平衡不同的业务目标。我们通过多任务评估框架和彻底的基线比较和消融研究显示了我们方法的有效性。Que 2 Engage部署在Facebook Marketplace Search上,并在两周的A/B测试中显示出显著的改进。
2023-02-21 cs.AI cs.IR cs.LG
Neural Code Search Revisited: Enhancing Code Snippet Retrieval through Natural Language Intent
Nokia Bell Labs(诺基亚贝尔实验室)
在这项工作中,我们提出并研究注释代码搜索:检索的代码片段配对的简要说明,他们的意图使用自然语言查询。在三个基准数据集上,我们研究了如何通过利用描述来更好地捕获代码片段的意图来改进代码检索系统。基于迁移学习和自然语言处理的最新进展,我们为用自然语言描述注释的代码创建了一个特定于域的检索模型。我们发现,与不使用描述但试图仅从未注释的代码计算片段意图的最先进的代码检索方法相比,我们的模型产生了更相关的搜索结果(平均倒数排名的绝对增益高达20.6%)。
2020-08-27 cs.IR cs.LG cs.SE
Context-Aware Search and Retrieval Under Token Erasure
New Jersey Institute of Technology(新泽理工学院)
本文研究了在token擦除情况下,基于RAG系统的搜索与检索模型,通过信息论分析,探讨了查询表示部分保留时的远程文档检索问题,提出基于术语频率的特征表示和语义自适应冗余分配方法,采用TF-IDF加权相似度进行检索,并通过数值结果验证了相似度边际向量收敛于多元高斯分布的结论。
2026-04-20 cs.IR cs.IT math.IT
Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval
KAIST(韩国科学技术院)
本文提出Chain of Retrieval框架,通过多方面迭代搜索扩展和后序聚合,提升全文检索效果,实验表明其优于现有基线方法。
2026-10-20 cs.AI cs.CL cs.IR
From Semantic Retrieval to Pairwise Ranking: Applying Deep Learning in E-commerce Search
我们将深度学习模型引入到全球最大的电子商业平台之一JD.com的产品搜索中最重要的两个阶段。具体来说,我们概述了一个深度学习系统的设计,该系统可以在几毫秒内检索与查询语义相关的项目,以及一个成对的深度重新排名系统,该系统可以学习微妙的用户偏好。与传统的搜索系统相比,本文提出的方法在语义检索和个性化排序方面有了明显的改进。
2021-03-24 cs.AI cs.IR cs.LG
Medical Information Retrieval and Interpretation: A Question-Answer based Interaction Model
Subir Chowdhury School of Quality and Reliability, IIT Kharagpur(印度理工学院卡拉格普尔分校苏比尔·乔杜里质量与可靠性学院);Department of Chemical Engineering, IIT Kharagpur(印度理工学院卡拉格普尔分校化学工程系);Department of Computer Science and Engineering, IIT Kharagpur(印度理工学院卡拉格普尔分校计算机科学与工程系)
互联网已经成为一个非常强大的平台,每天都有各种各样的医疗信息表达。最近,全球范围内的症状,疾病,药物和许多其他健康相关查询的搜索量大幅增长。搜索引擎通常通过使用用户提供的单个查询来填充结果,因此到达最终结果可能需要从用户端进行大量的手动过滤。当前的搜索引擎和推荐系统仍然缺乏可以提供更精确的结果生成的实时的交互。本文提出了一个智能和交互式系统捆绑在一起的庞大的医疗大数据库在Web上,并说明其在寻找医疗信息的潜力。
2021-01-24 cs.AI cs.IR cs.MA
A Semantic Search Pipeline for Causality-driven Adhoc Information Retrieval
National University of Ireland Galway(爱尔兰国立高威大学);University College Cork(科克大学学院)
本文提出一种无监督语义搜索流水线,通过在语义和词汇索引上聚合多查询策略结果,有效区分主题文档与因果文档,在CAIR-2021任务中表现领先。
2025-03-02 cs.AI cs.CL cs.IR
KSE-Web: An Analysis of Hybrid Retrieval and LLM-Assisted Query Expansion for Low-Resource Khmer Semantic Search
本文针对低资源高棉语语义搜索,构建专属数据集,评估多种检索方法,发现BM25性能最优,LLM辅助查询扩展未提升效果但模型规模影响显著,为相关研究提供基础。
2026-08-25 cs.AI cs.CL cs.IR
VectorSearch: Enhancing Document Retrieval with Semantic Embeddings and Optimized Search
University of Washington(华盛顿大学)
针对传统文档检索难以捕捉语义细微差别及高维度语义鸿沟问题,提出VectorSearch,利用先进算法、嵌入、多向量搜索和语言模型编码,显著提升检索准确性,在大规模任务中优于基线。
2024-09-25 cs.AI cs.DB cs.IR
Path-Constrained Retrieval: A Structural Approach to Reliable LLM Agent Reasoning Through Graph-Scoped Semantic Search
路径约束检索通过结合结构图约束与语义搜索,提升LLM代理推理的可靠性和一致性。
2025-11-23 cs.CL cs.DB cs.IR
Demystifying and Enhancing the Efficiency of Large Language Model Based Search Agents
Nankai University(南开大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
针对 LLM 搜索智能体交错推理与检索中的开销、调度和停滞问题,本文提出 SearchAgent-X,通过高召回近似检索、优先级感知调度和非停滞检索,实现最高 3.4 倍吞吐提升与 5 倍延迟降低。
2025-05-17 cs.AI cs.CL cs.IR