SEINE: SEgment-based Indexing for NEural information retrieval
提出基于片段的神经索引方法SEINE,通过片段级倒排索引存储查询-文档交互值,灵活支持多种基于交互的神经检索方法,在MQ2007和MQ2008数据集上实现最高28倍加速且不损失检索有效性。
2023-11-27 cs.IR
Differentiable Semantic ID for Generative Recommendation
University of Glasgow(格拉斯哥大学);Shandong University(山东大学);Amazon(亚马逊);Telefónica Scientific Research(Telefónica 科学研究);Leiden University(莱顿大学)
本文提出DIGER,通过引入Gumbel噪声和不确定性衰减策略,解决生成推荐中语义ID可微分问题,提升代码利用率和推荐效果。
2026-04-14 cs.IR
Differentiable Geometric Indexing for End-to-End Generative Retrieval
Xidian University(西安电子科技大学);Alibaba(阿里巴巴)
本文提出可微几何索引,通过操作统一和各向同性几何优化,解决生成检索中的优化阻塞和几何冲突问题,提升长尾场景下的检索性能。
2026-03-11 cs.IR
Grevo: A Unified Generative Recommendation Framework with Evolutionary Item Indexing
Beijing University of Posts and Telecommunications(北京邮电大学);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
研究针对生成式推荐中语义标识符固定及端到端方法问题,提出Grevo框架,将SID分配当作可进化变量,基于单一多任务推荐器统一相关任务,用进化项索引重分配标识符,实验证明其性能优于现有生成式推荐方法。
2026-07-29 cs.IR
Annotative Indexing
本文提出注释索引框架,统一倒排索引、列存储、对象存储和图数据库,以支持检索增强生成、知识图谱等场景,并展示了具备 ACID 事务特性的动态实现。
2025-06-03 cs.IR
KET-RAG: A Cost-Efficient Multi-Granular Indexing Framework for Graph-RAG
KET-RAG提出一种多粒度索引框架,通过关键文本块构建知识图谱骨架,并以文本-关键词二分图作为轻量级替代,在保证检索与生成质量的同时将索引成本降低一个数量级以上。
2025-06-03 cs.IR
How to Index Item IDs for Recommendation Foundation Models
Rutgers University(罗格斯大学)
本文针对推荐基础模型的物品标识问题,以 P5 为骨干分析简单索引缺陷,并提出顺序、协同、语义与混合四类索引方法,验证其可提升 LLM 推荐效果。
2023-09-26 cs.AI cs.CL cs.IR
Closing the Indexing-Decoding Gap in Multimodal Generative Retrieval via Prefix Retention Optimization
Shandong University(山东大学);University of Amsterdam(阿姆斯特丹大学);Leiden University(莱顿大学)
提出前缀保留优化(PRO)框架,通过前缀排序蒸馏、词汇调度和几何分数融合三种机制,缩小多模态生成式检索中索引与解码之间的差距,提升目标标识符前缀的保留率,在九个多模态检索任务上超越现有基线。
2026-08-06 cs.IR
An Efficient Approach for Super and Nested Term Indexing and Retrieval
IBM Research AI(IBM研究AI)
本文介绍了一种新的方法,称为术语桶索引(TBI),有效的索引和检索的嵌套和超级条款使用一个单一的方法。我们提出了一种混合数据结构,以促进更快的索引建设。我们的方法广泛使用的现有方法在几个公开的数据集的评估。与基于Trie的方法相比,TBI在嵌套术语检索上提供了相当的性能,在超级术语检索上提供了更好的性能。与传统的哈希表相比,TBI的索引时间减少了80%.
2019-05-23 cs.CL cs.DS cs.IR
Indexing by Latent Dirichlet Allocation and Ensemble Model
本文的贡献是双重的。首先,我们提出了索引的潜在狄利克雷分配(LDI),一个自动的文档索引方法。LDI中的概率分布利用了潜在狄利克雷分配(LDA)中的概率分布,LDA是一种生成主题模型,以前曾用于文档检索任务的应用程序中。然而,特设的应用程序,或他们的变种与平滑技术提示以前的研究在基于LDA的语言建模,导致在不令人满意的性能,因为文档表示不准确地反映概念空间。为了提高性能,我们引入了一个新的定义的文档概率向量的上下文中的LDA和提出了一种新的方案,自动文档索引的基础上LDA。其次,我们提出了一个包围模型(EnM)的文件检索。EnM通过分配不同的权重来组合基础索引模型,并尝试发现最佳权重以最大化平均精度(MAP)。为了解决优化问题,我们提出了一个算法,EnM.B,这是基于提升方法。在基准数据集上的计算实验结果表明,这两种方法对于文档检索都是可行的。
2014-12-11 cs.IR
Purely Semantic Indexing for LLM-based Generative Recommendation and Retrieval
本文针对生成式推荐与检索中的语义ID冲突问题,提出纯语义索引方法,通过穷举候选匹配和递归残差搜索实现唯一ID分配,在不引入非语义token的情况下提升整体及冷启动性能。
2025-09-19 cs.CL cs.IR
Bridging the Gap Between Indexing and Retrieval for Differentiable Search Index with Query Generation
The University of Queensland(昆士兰大学);Microsoft STCA(微软亚洲互联网工程院);Beihang University(北京航空航天大学);Simon Fraser University(西蒙弗雷泽大学)
本文提出 DSI-QG 框架,通过在索引阶段引入查询生成模型生成并筛选的相关查询来表示文档,从而缓解可微搜索索引中索引与检索之间的数据分布不匹配问题,并在单语和跨语言段落检索任务上显著优于原始 DSI 模型。
2023-07-07 cs.CL cs.IR
REDSI: Addressing the Reproducibility and Evaluation Consistency of Differentiable Search Indexing for Document Retrieval
Artefact Research Center(Artefact研究中心);INSA Rennes, IRISA, CNRS, Université de Rennes(雷恩国立应用科学学院,IRISA,法国国家科学研究中心,雷恩大学);MICS, CentraleSupélec, Université Paris-Saclay(MICS,中央苏伊士高等学院,巴黎萨克雷大学)
针对DSI框架复现难和评估不一致的问题,提出首个支持三种标识符类型的开源实现ReDSI及参数化NQ320K构建流程,实验效果优于或持平基线,并探索了模型缩减下的多种研究方向。
2026-09-09 cs.IR
Real-time Indexing for Large-scale Recommendation by Streaming Vector Quantization Retriever
针对推荐系统索引有效性瓶颈问题,提出流式向量量化检索索引结构,兼具实时性、索引均衡与可修复性,已在抖音系产品全量替换主流检索器,显著提升用户参与度。
2025-01-15 cs.IR
Concept-based indexing in text information retrieval
Mouloud Mammeri University of Tizi-Ouzou(穆卢德·马姆里蒂齐乌祖大学)
传统的信息检索系统依赖于关键字来索引文档和查询。在这样的系统中,基于与查询共享的关键字的数量来检索文档。当使用不同的关键字来描述文档和查询时,这种以词汇为中心的检索会导致不准确和不完整的结果。以语义为中心的检索方法试图通过依赖于概念而不是关键字来索引和检索来克服这个问题。目标是检索与给定用户查询语义相关的文档。本文针对这一问题提出了一个解决方案,在索引级。更确切地说,我们提出了一种新的方法,语义索引的基础上确定的概念,从语言资源。特别是,我们的方法依赖于WordNet和WordNetDomains词汇数据库的概念识别的联合使用。此外,我们提出了一个基于语义的概念加权方案,依赖于一个新的概念中心的定义。在TIME测试集合上评估生成的系统。实验结果表明,我们的命题比传统的IR方法的有效性。
2013-03-07 cs.CL cs.IR
Content Based Image Indexing and Retrieval
VJTI(韦什瓦卡马拉理工学院)
在本文中,我们提出了有效的基于内容的图像检索系统,利用图像的颜色,纹理和形状信息,以促进检索过程。为了有效地提取图像的特征提取,本文利用在信号处理和图像压缩中广泛应用的边缘检测技术自动提取图像的颜色、纹理和形状特征。为了便于快速检索,我们实现了对极树算法的图像索引。
2014-01-08 cs.CV cs.GR cs.IR
Establishing a Foundation for Tetun Ad-Hoc Text Retrieval: Stemming, Indexing, Retrieval, and Ranking
Institute for Systems and Computer Engineering, Tech. and Science (INESC TEC)(系统与计算机工程研究所(科技与科学));Faculty of Engineering, University of Porto (FEUP)(波尔图大学工程学院)
针对德顿语缺乏检索方案的问题,构建停用词表、词干提取器和测试集等基础资源,实验表明去除连字符和撇号后检索标题可提升效率与效果,并公开了相关资源。
2025-10-15 cs.IR
A Semantic Indexing Structure for Image Retrieval
School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院)
在大规模图像检索中,为了缩小检索的搜索范围,人们提出了许多索引方法。由于关键点的存在,从图像中提取的特征往往是高维的或不固定的。现有的索引结构大多存在维数灾难、特征尺寸不固定和语义相似性损失等问题。在本文中,一个新的分类为基础的索引结构,称为语义索引结构(SIS),提出了一种新的索引结构,在其中,我们利用语义类别,而不是聚类中心,以创建数据库分区,使建议的索引SIS可以结合特征提取没有限制的维度。此外,它被观察到的每个语义分区的大小与数据库的语义分布呈正相关。沿着这种方式,我们发现,当分区数归一化为5时,所提出的算法在所有测试中表现得非常好。与最先进的模型相比,SIS实现了出色的性能。
2021-09-14 cs.CV cs.IR
The least-used key selection method for information retrieval in large-scale Cloud-based service repositories
随着连接到物联网(IoT)的设备数量的显著增加,需要在大规模基于云的服务存储库中处理和存储的服务数量呈指数级增长。高效的服务索引模型对于大规模基于云的服务存储库的服务检索和管理至关重要。多级索引模型是近年来发展起来的一种服务索引模型,用于提高服务的发现和组合。针对服务检索请求参数和服务输入参数出现概率不相等对服务检索和服务添加操作的影响,对模型进行优化。为了缩小服务检索的搜索范围,减少检索时间,提出了最少使用键的选择方法。实验结果表明,在三种索引模型下服务检索请求中参数出现概率不相等的情况下,与指定键选择方法相比,提出的最少使用键选择方法显着提高了服务检索效率。
2022-08-16 cs.IR
Content-based Video Indexing and Retrieval Using Corr-LDA
Carnegie Mellon University(卡内基梅隆大学);Technicolor(特艺集团);NITK Surathkal(苏拉特卡尔国家技术学院);NIT Tiruchirappalli(蒂鲁吉拉伯利国家技术学院)
现有的基于Web的多媒体共享网站上的视频索引和检索方法是基于用户提供的稀疏标记。本文提出了一种非常具体的方式搜索视频剪辑,基于视频的内容。我们提出了我们的工作基于内容的视频索引和检索使用的对应潜在狄利克雷分配(corr-LDA)概率框架。这是一个模型,提供了自动注释的视频在数据库中的文本描述符,并带来了额外的好处,利用视频和文本的内容之间的语义关系。我们使用corr-LDA提供的概念级匹配来建立文本和多媒体之间的对应关系,以提高准确性检索内容的目标。在我们的实验中,我们只使用单个录音的音频分量,并将我们的结果与基于SVM的方法进行比较。
2019-11-19 cs.CV cs.IR
Text Based Approach For Indexing And Retrieval Of Image And Video: A Review
VJTI(维多利亚贾姆纳加尔技术学院)
多媒体中的文本数据包含了自动标注、索引等有用信息。用于从给定视频或图像识别覆盖或场景文本的提取信息。提取的文本可用于检索视频和图像。在本文中,首先,我们讨论了不同的技术,从图像和视频文本提取。其次,我们回顾了利用抽取的文本对图像和视频进行索引和检索的技术。
2014-04-05 cs.CV cs.DL cs.IR
UniDex: Rethinking Search Inverted Indexing with Unified Semantic Modeling
本文提出 UniDex,通过统一语义建模及 UniTouch、UniRank 组件重构倒排索引,并在快手大规模短视频搜索中验证其检索提升与实用价值。
2025-09-29 cs.IR
Region and Location Based Indexing and Retrieval of MR-T2 Brain Tumor Images
S J B Institute of Technology(S J B理工学院);B N M Institute of Technology(B N M理工学院)
在本文中,基于区域和基于位置的检索系统已实现检索的MR-T2轴向2-D脑图像。这是通过使用在整个图像上计算的合适阈值来提取和表征2-D脑切片的肿瘤部分来完成的。索引和检索,然后通过计算分割区域的灰度空间依赖矩阵的基础上的纹理特征。Hash结构用于索引所有图像。采用一种组合索引来指向所有纹理特征相似的图像。在查询时,仅比较与被查询图像的那些散列桶在同一散列桶中的那些图像的相似性,从而减少了搜索空间和时间。
2013-12-07 cs.CV cs.IR
Dual-Hypergraph Indexing: Bridging Knowledge Islands for Multi-Hop Reasoning in Retrieval-Augmented Generation
School of Software Engineering, Xi'an Jiaotong University(西安交通大学软件学院);EHV Power Transmission Company of China Southern Power Grid Co., Ltd.(中国南方电网有限责任公司超高压输电公司)
提出双超图索引(DHI),通过双路径聚合耦合事实超图与洞察超图,打破知识孤岛,在多跳RAG中实现最先进性能,显著提升逻辑连贯性与复杂推理准确率。
2026-09-24 cs.IR
Optimizing Component Combination in a Multi-Indexing Paragraph Retrieval System
Université Libre de Bruxelles (ULB)(布鲁塞尔自由大学(ULB))
我们展示了一种方法来优化的段落检索系统中的不同组件的组合。我们的系统使用了几个索引,查询生成器和过滤器,它们中的每一个都可能有助于返回结果列表的质量。这些组件与加权和相结合,我们使用启发式优化算法优化权重。这使我们能够最大限度地提高结果的质量,同时也可以确定哪些组件在我们的系统中最有价值。我们评估我们的方法上的段落选择任务的问答数据集。
2014-08-11 cs.CL cs.IR
Hypergraph Embedding Indexing for Efficient Dense Vector Retrieval
Sodhana(索达纳)
针对现有ANN索引将嵌入视为高维不可分割点的问题,提出超图嵌入索引(HEI)框架,通过多互补超图提升检索覆盖率,引入激活多样性作为诊断指标。
2026-08-25 cs.AI cs.IR
Reducing Redundancy in Whole-Slide Image Patching for Scalable Indexing and Retrieval
KIMIA Lab Dept. of Artificial Intelligence & Informatics(KIMIA实验室 人工智能与信息学系)
提出ARReST框架,通过识别并剪除跨类别判别贡献小的对立块,在保持检索精度的同时显著压缩WSI索引存储(3%-60%),实现可扩展、低成本的病理图像检索。
2026-06-26 cs.AI cs.IR
KG-Retriever: Efficient Knowledge Indexing for Retrieval-Augmented Large Language Models
Beijing University of Posts and Telecommunications(北京邮电大学);University of Science and Technology Beijing(北京科技大学);Xiaomi Corporation(小米公司)
本文提出KG-Retriever框架,通过知识图谱层与协作文档层构成的分层索引图增强文档连通性,缓解多跳问答中的信息碎片化问题,并在五个QA数据集上验证了其检索效果与效率。
2025-05-05 cs.AI cs.IR
HEISIR: Hierarchical Expansion of Inverted Semantic Indexing for Training-free Retrieval of Conversational Data using LLMs
Coxwave(考克斯威夫);Seoul National University(首尔大学)
本文提出免训练框架 HEISIR,通过分层三元组构建和附加语增强生成 SVOA 四元组语义索引,在保持低延迟的同时提升对话数据检索性能,且效果优于微调模型。
2025-03-06 cs.CL cs.IR
Experiments with Different Indexing Techniques for Text Retrieval tasks on Gujarati Language using Bag of Words Approach
本文针对形态丰富的古吉拉特语文本检索,基于词袋方法比较停用词去除、词干提取和频繁格生成等索引技术,以MAP为指标验证其相比普通词索引基线的显著改进。
2020-02-05 cs.DL cs.IR
HypRQ-VAE: Hyperbolic Item Indexing for Long-Tail-Aware Generative Recommender Systems
Virginia Tech(弗吉尼亚理工大学);Amazon(亚马逊);Meta AI;Google(谷歌);Dartmouth College(达特茅斯学院)
针对生成式推荐中LLMs与物品索引的错位及长尾物品建模难题,提出HypRQ-VAE框架,在双曲空间学习物品索引,提升了推荐尤其是尾部物品推荐的性能。
2026-09-04 cs.IR
M-RAG: Semantic Key-Value Indexing for Retrieval-Augmented Generation
Southwestern University of Finance and Economics(西南财经大学);Zhida AI, Zhida Technology(智达AI,智达科技);University of Maryland, College Park(马里兰大学帕克分校)
M-RAG提出一种无片段检索策略,通过提取结构化元标记提升检索与生成效率,实验证明其在低资源环境下优于传统RAG方法。
2026-07-22 cs.AI cs.IR
Generative Retrieval with Few-shot Indexing
Leiden University(莱顿大学);The University of Edinburgh(爱丁堡大学);University of Amsterdam(阿姆斯特丹大学)
本文提出了一种无需训练的少样本索引生成检索框架,通过提示LLM生成文档标识符来提升检索性能。
2025-12-23 cs.AI cs.CL cs.IR
Effective and Efficient Indexing in Cross-Modal Hashing-Based Datasets
为了克服存储和计算的障碍,哈希技术近年来被广泛用于多媒体检索应用中的最近邻搜索。特别是跨模态检索的跨模态检索成为一个活跃但具有挑战性的问题。尽管提出了几十种跨模态散列算法来产生紧凑的二进制码,但是穷举搜索对于实时目的是不切实际的,并且汉明距离计算遭受不准确的结果。在本文中,我们提出了一种新的搜索方法,利用基于概率的索引计划在二进制哈希码的跨模态检索。所提出的哈希码索引方案利用哈希码的几个二进制位作为索引码。为了提高索引的准确性和效率,本文采用索引编码构造倒排索引表,并对神经网络进行训练。在两个基准数据集上进行了跨图像和文本模态检索的实验,其中哈希码由三种跨模态哈希方法生成。实验结果表明,该方法有效地提高了这些散列方法的性能。
2019-05-15 cs.IR cs.MM
OpenP5: An Open-Source Platform for Developing, Training, and Evaluating LLM-based Recommender Systems
本文提出开源平台 OpenP5,支持基于 T5、Llama-2 等 LLM 的生成式推荐系统开发、训练与评估,覆盖 10 个数据集、两类任务及三种物品索引方法。
2024-04-11 cs.IR
Joint Learning of Deep Retrieval Model and Product Quantization based Embedding Index
嵌入索引可以实现快速近似最近邻(ANN)搜索,是最先进的深度检索系统不可或缺的组成部分。传统的方法通常将嵌入学习和索引构建这两个步骤分开,这会导致额外的索引时间和衰退的检索准确性。在本文中,我们提出了一种名为Poeem的新方法,该方法代表基于产品量化的嵌入索引与深度检索模型联合训练,通过利用包括梯度直通估计器,热启动策略,最佳空间分解和Givens旋转在内的一些技术,将两个单独的步骤统一在端到端训练中。大量的实验结果表明,该方法不仅提高了检索精度显着,但也减少了索引时间几乎为零。为了比较和可重复性,我们已经开放了我们的方法。
2021-05-28 cs.IR
Bridging Items and Language: A Transition Paradigm for Large Language Model-Based Recommendation
提出TransRec转换范式,通过多面标识符(ID、标题、属性)和专用数据结构解决LLM推荐中物品索引与生成接地的局限,实现高效排序。
2024-07-25 cs.IR
A divisive hierarchical clustering-based method for indexing image information
在大多数实际的图像检索应用中,需要高维的特征向量,但目前的多维索引结构失去了他们的效率与维的增长。我们的目标是提出一个分裂的层次聚类为基础的多维索引结构,这是有效的高维特征空间。一个投影寻踪方法已被用于找到一个组件的数据,其中数据的投影到它最大限度地接近负熵准备必要的信息,以分区的数据空间。各种测试和高维数据集上的实验结果表明,与其他方法相比,所提出的方法的性能。
2015-03-12 cs.IR
MISS: Multi-Modal Tree Indexing and Searching with Lifelong Sequential Behavior for Retrieval Recommendation
Kuaishou Inc.(快手公司)
针对检索推荐中难以利用终身序列行为和多模态信息的问题,提出MISS模型,通过多模态索引树和多视角搜索单元融合两类信息,提升树基检索模型性能。
2025-08-20 cs.AI cs.IR
Web-Based File Clustering and Indexing for Mindoro State University
民都洛州立大学基于网络的文件聚类和索引旨在将通过网络传播的数据组织成组或集合,以促进数据的可用性和访问,同时满足用户的偏好。主要的好处包括增加Web信息的可访问性,了解用户的导航行为,改善Web上的信息检索和内容交付。基于Web的文件聚类可以帮助用户找到所需的文档。在本文中,一种新的方法已被引入搜索结果聚类,是基于检索到的文档的语义,而不是在这些文件中的术语的语法。数据聚类被用来改善从文档集合中的信息检索。数据处理和分析使用SPSS的工具进行评估,以测试所使用的措施的信度和效度。评价基于所选质量特征描述的Likert量表(优、良、一般和差)。
2022-02-13 cs.IR
A Line in the Sand: Recommendation or Ad-hoc Retrieval?
在文献中,推荐和特设检索任务的流行方法在很大程度上是不同的。在这项工作中,我们认为,许多建议的问题也可以投为特设检索任务。为了证明这一点,我们通过结合标准的ad-hoc检索模型和使用流行的检索工具集,为RecSys 2018 Spotify挑战构建了一个解决方案。我们画了一个平行的播放列表的延续任务,并找到良好的扩展条款的查询在特设检索的任务,并表明,标准的伪相关反馈可以有效的协同过滤方法。我们还使用ad-hoc检索基于内容的推荐,通过将输入的播放列表标题作为查询,并将所有候选曲目与从背景数据中提取的元描述相关联。这两种方法的建议进一步补充了基于流行神经模型学习的跟踪嵌入的最近邻搜索。我们最终的推荐排名列表是由一个学习排序模型产生的。我们提出的使用ad-hoc检索模型的解决方案在RecSys 2018挑战赛的音乐推荐任务中取得了有竞争力的表现-在112个参赛团队中排名第7,在31个团队中排名第5,分别为主要和创意曲目。
2018-07-21 cs.IR
WindTunnel -- A Framework for Community Aware Sampling of Large Corpora
针对大型语料库索引成本高、检索实验效率低的问题,本文提出 WindTunnel 框架,通过保留社区结构生成代表性样本,支持更高效准确的端到端信息检索评估。
2024-10-27 cs.IR
Fast, Incremental Inverted Indexing in Main Memory for Web-Scale Collections
对于文本检索系统,所有数据结构驻留在主存中的假设越来越普遍。在这种情况下,我们提出了一种新的增量倒排索引算法的网络规模的集合,直接构造压缩的帖子列表在内存中。设计高效的内存算法需要理解现代处理器体系结构和存储层次结构:在本文中,我们探讨了发布列表连续性的问题。自然,占据连续内存区域的发布列表对于检索是优选的,但是保持连续性增加了复杂性并且减慢了索引。另一方面,允许不连续的索引段简化了索引构造,但降低了检索性能。理解这种权衡是我们的主要贡献:我们发现,共同定位的倒排列表段的小组产生查询评估性能,是统计上无法区分的完全连续的帖子列表。换句话说,没有必要在内存中布置数据结构,使得一个术语的所有发布都是连续的;我们可以用相对少量的工作来实现理想的性能。
2013-05-03 cs.DB cs.IR
Semi-Parametric Retrieval via Binary Bag-of-Tokens Index
The Hong Kong University of Science and Technology(香港科技大学);Microsoft Research(微软研究院);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
提出半参数化解耦检索框架SiDR,通过将检索索引与神经参数解耦,支持嵌入与非参数化分词索引,在16个基准上以更低索引成本超越BM25及神经检索基线。
2025-03-06 cs.AI cs.CL cs.IR
Self-Indexing Attention for Compression-Compatible Sparse Long-Context LLM Inference
Hunan University(湖南大学);Tencent(腾讯)
提出自索引注意力框架,利用共享变换域符号-幅度表示实现预填充与解码阶段的统一令牌检索,支持KV缓存压缩,在5%密度下接近密集注意力性能并显著加速。
2026-10-08 cs.CL cs.IR cs.LG
A Simple and Effective Framework for Symmetric Consistent Indexing in Large-Scale Dense Retrieval
JD.com China(京东中国);Institute of Information Engineering, Chinese Academy of Sciences China(中国科学院信息工程研究所)
本文提出SCI框架,通过双塔协同和对称表示对齐,解决大规模密集检索中表示空间错位和索引不一致问题,提升检索精度与稳定性。
2025-12-15 cs.AI cs.IR
DocPC: Document-Level Visual Retrieval via Representative Page Composition
East China Normal University(华东师范大学);Matter Innovation Inc.(墨天轮创新);UC Berkeley(加州大学伯克利分校);New York University(纽约大学)
针对现有视觉文档检索以页面为中心的问题,提出DocPC框架,通过组合代表性页面实现文档级索引,在DocViRe基准上性能优于最强页面级基线且存储成本大幅降低。
2026-08-31 cs.IR
Indexing Multimodal Language Models for Large-scale Image Retrieval
Mohamed bin Zayed University of Artificial Intelligence(莫扎德·本·扎耶德人工智能大学);VRG, FEE, Czech Technical University in Prague(布拉格捷克技术大学VRG学院)
本文探讨了多模态大语言模型作为无训练相似性估计器在实例级图像到图像检索中的应用,通过提示配对图像并转换下一个词的概率为相似性分数,实现了零样本重排序,展示了其在大规模检索中的优势。
2026-04-14 cs.CL cs.CV cs.IR
Bottleneck-Minimal Indexing for Generative Document Retrieval
Waseda Research Institute for Science and Engineering, Waseda University(早稻田大学科学与工程研究所);The University of Tokyo(东京大学);Waseda University(早稻田大学)
本研究从信息论视角分析生成式文档检索的索引瓶颈问题,基于香农率失真理论提出瓶颈最小化索引方法,在NQ320K与MARCO数据集上表现优于现有索引方法。
2024-05-21 cs.AI cs.CL cs.IR
Efficient Bitmap-based Indexing and Retrieval of Similarity Search Image Queries
在许多多媒体应用程序中,查找相似图像是一项必要的操作。图像通常被表示和存储为一组高维特征,这些特征是使用局部特征提取算法提取的。局部敏感散列是在高维空间中寻找相似点的最流行的近似处理技术之一。局部敏感散列(LSH)及其变体旨在查找相似点,但它们并不旨在有效地查找对象(例如由点集合组成的图像)。在本文中,我们提出了一个索引结构,位图图像LSH(bImageLSH),有效地处理高维图像。使用一个真实的数据集,我们通过实验证明了我们的新设计的性能优势,同时保持了图像结果的高精度。
2019-12-15 cs.IR cs.MM
HyEm: Query-Adaptive Hyperbolic Retrieval for Biomedical Ontologies via Euclidean Vector Indexing
Waseda University(早稻田大学)
HyEm通过结合双曲本体嵌入与欧几里得ANN基础设施,解决生物医学本体中层次感知的检索问题,提升实体中心查询和混合意图查询性能,保持索引可扩展性。
2026-01-26 cs.DB cs.IR
SuiteEval: Simplifying Retrieval Benchmarks
University of Glasgow(格拉斯哥大学)
SuiteEval通过统一框架简化检索基准测试,提供自动化端到端评估和动态索引,支持多种基准,减少样板代码以促进可重复的IR研究。
2026-02-20 cs.IR
Deterministic Retrieval at Scale: Optimal-Space LCP Indexing and 308x Energy Reduction on Modern GPUs
本文提出了一种基于tries的LCP索引方法,实现大规模确定性检索,通过热感知逻辑在GPU上实现308倍能效提升和329倍延迟降低。
2026-02-04 cs.DS cs.IR
Computed, not Memorized: Bit-Factorized Identifiers for Efficient Generative Retrieval
Leiden University(莱顿大学);Shandong University(山东大学);Radboud University(拉德堡德大学)
本文提出一种比特分解的数字DocID设计,无需额外训练即可提升生成式检索对未见过文档的泛化能力,在多个基准上显著改善未见过文档检索性能并降低推理延迟。
2026-10-14 cs.IR