Cross-Media Scientific Research Achievements Retrieval Based on Deep Language Model
Beijing University of Posts and Telecommunications（北京邮电大学）
科技大数据中包含大量跨媒体信息，科技论文中有图片也有文字，单一模态的检索方法不能很好地满足科研人员的需求，提出了一种基于深度语言模型（CARDL）的跨媒体科研成果检索方法，通过学习不同模态数据之间的语义关联，实现跨媒体语义的统一表示，将其应用于科研成果文本语义向量的生成，通过不同模态数据之间的语义相似度匹配实现跨媒体检索，实验结果表明，提出的CARDL方法取得了比现有方法更好的跨模态检索性能。关键词科技大数据;跨媒体检索;跨媒体语义联想学习;深度语言模型;语义相似度
2022-03-29 cs.AI cs.IR
The Landscape of Data Reuse in Interactive Information Retrieval: Motivations, Sources, and Evaluation of Reusability
本文通过21次半结构化深度访谈，系统考察了交互式信息检索研究者数据复用的动机、来源发现方式与可复用性评估标准，揭示了该领域数据复用面临的挑战，为促进社区级数据复用文化与标准提供了实证依据。
2024-11-23 cs.DL cs.IR
Bibliometric-Enhanced Information Retrieval: 3rd International BIR Workshop
BIR研讨会汇集了文献计量学和信息检索方面的专家。虽然有时被认为是相当松散的相关性，这些研究领域有着不同的利益，面临着类似的挑战。作为BIR研讨会的组织者，我们的动机源于双重观察。首先，两个社区只有部分重叠，尽管有着不同的利益。第二，解决学者们今天面临的一些新问题对双方都有利，因为他们必须在世界范围内快速增长的电子出版物中找到相关和高质量的文献。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。然而，在图书馆和档案馆工作的信息专业人员越来越多地面临着在他们的服务中应用文献计量技术。2014年的第一次BIR研讨会通过向每个小组介绍其他小组，说明最先进的方法，报告当前的研究问题，并就共同利益进行头脑风暴来确定研究议程。2015年的第二次研讨会进一步阐述了这些主题。第三届BIR研讨会旨在为将文献计量学增强服务纳入学术搜索引擎界面建立共同基础。特别是，我们将解决特定的社区，以及对大型，跨领域的集合，如Mendeley和ResearchGate的研究。这第三个BIR研讨会明确地解决学术和工业研究人员。
2015-12-18 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
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
Query Expansion for Survey Question Retrieval in the Social Sciences
近年来，研究数据的重要性以及存档和在科学界分享这些数据的必要性大大增加。这给数字图书馆带来了一系列全新的挑战。在社会科学中，典型的研究数据集包括调查和问卷。在本文中，我们专注于社会科学调查问题重用的用例和机制，以支持用户在数据集的查询制定。我们描述和评估基于叙词表和共现的查询扩展方法，以提高检索质量的数字图书馆和研究数据档案。这里的挑战是将信息需求和潜在的社会学现象转化为适当的查询。正如我们可以表明，检索质量可以通过向查询添加相关术语来提高。在直接比较中，使用提取的共现术语自动扩展的查询可以提供比领域专家手动重新制定的查询更好的结果，并且比基于关键字的BM 25基线更好的结果。
2015-06-18 cs.DL 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
Seed-based information retrieval in networks of research publications: Evaluation of direct citations, bibliographic coupling, co-citations and PubMed related article score
该研究以系统综述和 NIH Open Citation Collection 为基准，评估直接引用、共被引、书目耦合及 PubMed Related Article 评分，发现组合引用方法并结合文本方法效果最佳。
2024-06-13 cs.IR
Information Retrieval for Climate Impact
本文介绍了MANILA24研讨会，旨在汇集多方研究人员以识别信息检索在评估气候变化影响中的核心问题，并促进信息检索、自然语言处理与气候科学等社区的合作与技术议程制定。
2025-04-01 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
Methods and Tools to Advance the Retrieval of Mathematical Knowledge from Digital Libraries for Search-, Recommendation-, and Assistance-Systems
本项目通过句法分析、语义增强和评估三大挑战，开发工具提升数字图书馆中数学知识检索的可访问性，服务于搜索、推荐和辅助系统。
2023-05-12 cs.IR
Health Information Retrieval -- State of the art report
本报告概述了医疗保健领域的信息检索（IR）。它的目的不是介绍一般的概念和理论的IR，但目前和描述健康信息检索（HIR）的具体方面。在简要介绍了IR更广泛的领域后，讨论了HIR在当今时代的意义。健康信息的具体特征、其分类和健康概念的主要现有表示法以及该领域的主要产品和服务（例如：健康书目内容数据库、健康特定搜索引擎等）。最新的研究工作进行了讨论，最活跃的研究人员，项目和研究小组也提出。主要组织和期刊也被确定。
2022-05-18 cs.IR
Design Theory to improve health evidence retrieval
目的：我们的研究目的是为卫生组织设计一种可行的技术解决方案，以消除循证临床信息检索的障碍，并提高循证实践。研究方法：回顾了2010年至2020年的文献，以确定循证临床信息检索中存在的问题，并使用文献中的建议来确定解决方案目标。设计科学研究用于使用云服务完成研究流中的三个项目，如Web规模发现，内容管理系统，联合访问，全球知识库和文档交付。采用设计思维、系统思维和面向用户的信息需求理论构建设计理论。结果如下：研究流产生了三个新颖的和创新的人工制品：上下文模型，统一的架构，和上下文感知的统一架构，我们评估的一部分，学术评论，学术出版物和会议论文集在各个研究流阶段。第四个人工制品或设计理论，提出了概括的结果作为成熟的知识。
2021-11-10 cs.IR
Research on Cross-media Science and Technology Information Data Retrieval
School of Computer Science (National Pilot School of Software Engineering), Beijing University of Posts and Telecommunications（北京邮电大学计算机科学学院（国家软件工程试点学院））；Beijing Key Laboratory of Intelligent Telecommunication Software and Multimedia（北京智能电信软件与多媒体重点实验室）
针对大数据时代跨媒体科技信息数据特征及传统检索系统不足，研究基于深度语义特征的跨媒体科技信息数据检索系统，具有重要现实意义并符合技术发展趋势。
2026-07-14 cs.AI cs.IR
SAGE: Benchmarking and Improving Retrieval for Deep Research Agents
NYU Shanghai（纽约大学上海校区）；Yale University（耶鲁大学）；Center for Data Science, New York University（纽约大学数据科学中心）
SAGE基准测试评估了深度研究代理的检索能力，发现BM25在推理密集型检索中表现优于大语言模型检索器，并提出基于语料库的测试时扩展框架提升检索性能。
2026-02-06 cs.CL cs.IR
Tevatron: An Efficient and Flexible Toolkit for Dense Retrieval
Carnegie Mellon University（卡内基梅隆大学）；University of Waterloo（滑铁卢大学）
深度预训练语言模型的快速发展和大型数据集的引入推动了基于嵌入的稠密检索的研究。虽然已经出现了一些很好的研究论文，但其中许多都有自己的软件栈。这些堆栈通常针对某些特定的研究目标进行优化，而不是效率或代码结构。在本文中，我们提出了Tevatron，一个稠密检索工具包优化的效率，灵活性和代码的简单性。Tevatron为稠密检索提供了标准化的管道，包括文本处理、模型训练、语料库/查询编码和搜索。本文介绍了Tevatron的概述，并在几个IR和QA数据集上展示了其有效性和效率。我们还展示了Tevatron的灵活设计如何实现跨数据集、模型架构和加速器平台（GPU/TPU）的轻松泛化。我们相信Tevatron可以作为稠密检索系统研究的有效软件基础，包括设计，建模和优化。
2022-03-11 cs.CL cs.IR
OpenIIR: An Open Simulation Platform for Information Retrieval Research
University of Passau（帕绍大学）
OpenIIR通过参数化、可重复的LLM驱动人物模拟，提供多代理研究框架，支持四种研究类型，并通过共享核心和模块化扩展推动信息检索研究。
2026-05-14 cs.IR
WIKIR: A Python toolkit for building a large-scale Wikipedia-based English Information Retrieval Dataset
在过去的几年里，深度学习方法允许在ad-hoc信息检索中获得新的最先进的结果。然而，这种方法通常需要大量的注释数据才能有效。由于大多数可公开用于学术研究的标准ad-hoc信息检索数据集（例如Robust 04，CIBMWeb 09）最多有250个带注释的查询，因此最近用于信息检索的深度学习模型在这些数据集上表现不佳。这些模型（例如DUET，Conv-KNRM）是根据从商业搜索引擎收集的数据进行训练和评估的，这些搜索引擎不公开用于学术研究，这对研究的可重复性和进步是一个问题。在本文中，我们提出了WIKIR：一个开源的工具包，自动建立大规模的英语信息检索数据集的基础上维基百科。WIKIR在GitHub上公开。我们还提供了wikIR 78 k和wikIRS 78 k：两个大规模的公开数据集，都包含78，628个查询和3，060，191个（查询，相关文档）对。
2020-03-17 cs.IR
Beyond Pipelines: A Fundamental Study on the Rise of Generative-Retrieval Architectures in Web Research
Institute for Advanced Studies in Basic Sciences（基础科学高级研究所）
本文研究了生成-检索架构在网页研究中的崛起，探讨了LLMs通过RAG对网页研究和行业的影响，分析了关键进展、挑战及未来方向。
2026-02-19 cs.AI cs.IR
Enhancing Document Retrieval in COVID-19 Research: Leveraging Large Language Models for Hidden Relation Extraction
Japan Advanced Institute of Science and Technology（日本先进科学研究所）；The Institute of Statistical Mathematics（统计数学研究所）
针对COVID-19研究文档检索，提出利用大型语言模型提取未标记出版物中隐藏关系的方法，以增强Covrelex-SE系统检索质量。
2025-06-23 cs.CL cs.IR
Neural Networks for Information Retrieval
机器学习在现代IR系统的许多方面都发挥着作用，深度学习在所有这些方面都有应用。现代研究的快节奏已经产生了许多方法来解决许多IR问题。可用的信息量可以压倒大三学生和经验丰富的研究人员寻找新的研究课题和方向。这个全天教程的目的是清楚地概述IR中当前经过验证和值得信赖的神经方法以及它们如何使IR受益。
2018-01-07 cs.IR
A model of Cross Language Retrieval for IT domain papers through a map of ACM Computing Classification System
本文提出了一个概念模型，以及相关的工具，以帮助高级学习者找到改编的书目。其目的是使用IT代表作为研究新人的教育研究软件。我们使用基于ACM的计算分类系统的本体，以便在没有任何正式请求的情况下找到与新研究人员的领域直接相关的科学文章。本体翻译在法国自动提出，可以基于Web 2.0增强了社区的用户。提出了一个可视化和导航模型，使其更容易访问，并给出了例子来展示我们的工具的界面：本体导航。
2011-11-30 cs.DL cs.HC cs.IR
RELink: A Research Framework and Test Collection for Entity-Relationship Retrieval
实体-关系（E-R）搜索技术的改进由于缺乏测试集合而受到阻碍，特别是对于涉及多个实体和关系的复杂查询。在本文中，我们描述了一种生成E-R测试查询，以支持全面的E-R搜索实验的方法。从以表格形式存在的内容创建关联性和相关性判断，其中列表示实体类型，并且表格结构暗示实体之间的一个或多个关系。编辑工作涉及基于表中条目表示的关系创建自然语言查询。我们已经公开发布了RELink测试集合，其中包括600个查询和相关性判断，这些查询和相关性判断是从Wikipedia List-of-lists-of-lists表中获得的。后者包括从列中提取的实体元组，并由它们表示的相应实体类型和关系标记。为了促进复杂E-R检索的研究，我们创建并发布了RELink框架，该框架包括专门为E-R检索定制的Apache Lucene索引和搜索。RELink包括实体和关系索引，该索引基于带有链接到维基百科实体的FACC 1文本跨度注释的CCLWeb-09-B Web集合。随着准备使用的搜索资源和全面的测试收集，我们支持社区在追求E-R的研究规模。
2017-06-13 cs.IR
CASPER: Concept-integrated Sparse Representation for Scientific Retrieval
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Aalto University（阿尔托大学）
CASPER通过结合令牌和关键词短语实现科学检索中的概念感知稀疏表示，优于现有基线模型并展现良好的可解释性。
2026-01-15 cs.IR
When Deep Research Agents Stagnate: Enhancing Reasoning with Retrieval-Aware Agent Control
Radboud University（拉德堡德大学）；Thomson Reuters Labs（汤森路透实验室）
该研究针对深度研究智能体的推理停滞问题，提出检索感知智能体控制器（RAAC），经实验验证可减少搜索调用次数、提升智能体的召回率与准确率。
2026-08-18 cs.IR
NANOGPT: A Query-Driven Large Language Model Retrieval-Augmented Generation System for Nanotechnology Research
Carnegie Mellon University（卡内基梅隆大学）
本文提出NANOGPT，一种面向纳米技术研究的查询驱动LLM-RAG系统，通过多源检索与生成，提升文献综述效率与准确性，并优于标准公开大语言模型。
2025-02-27 cs.CL cs.IR cs.LG
Microsoft Academic Graph Information Retrieval for Research Recommendation and Assistance
Microsoft（微软）
本文提出基于注意力的子图检索器，利用图神经网络和大语言模型进行高效信息检索与知识推理。
2025-12-21 cs.AI cs.IR
Image-text Retrieval: A Survey on Recent Research and Development
Soochow University（苏州大学）；Shandong University（山东大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
近年来，跨模态图文检索由于其良好的研究价值和广泛的实际应用前景而受到研究界的广泛关注。它是为查询来自一种模态而检索库来自另一种模态的场景而设计的。本文从四个方面对ITR方法进行了全面和最新的调查。通过将ITR系统分解为两个过程：特征提取和特征对齐，从这两个角度总结了ITR方法的最新进展。在此基础上，引入了以效率为中心的ITR制度研究作为第三个视角。为了与时俱进，我们还提供了跨模态预培训ITR方法的开创性概述作为第四个视角。最后，我们概述了ITR的常见基准数据集和评估指标，并对代表性的ITR方法进行了准确性比较。文章最后还讨论了一些重要的、但研究较少的问题。
2022-11-18 cs.AI cs.IR
SoK: Agentic Retrieval-Augmented Generation (RAG): Taxonomy, Architectures, Evaluation, and Research Directions
University of North Dakota（北达科他大学）；Youngstown State University（青年州大学）；University of Toledo（托莱多大学）；University of Missouri（密苏里大学）；Tribhuvan University（特里布文大学）
本文系统化地分析了基于代理的RAG系统，提出统一框架，识别关键风险并提出研究方向，以构建可靠可扩展的自主检索生成系统。
2026-11-02 cs.AI cs.CL cs.CR
Legal Retrieval for Public Defenders
Princeton University（普林斯顿大学）；Stanford University（斯坦福大学）
本文提出了一种针对公共辩护人工作的法律检索工具，通过引入领域知识提升检索效果，并发布了一个真实辩护人检索查询的分类学和手动标注的数据集，以改进现实中的法律检索基准。
2026-08-11 cs.IR
SynDL: A Large-Scale Synthetic Test Collection for Passage Retrieval
针对现有IR测试集规模小且依赖人工标注的问题，本文利用LLM合成标签扩展TREC DL测试集，构建包含超1900个查询的大规模测试集SynDL，验证其系统排名与人工标签高度相关。
2025-01-25 cs.IR
Pyserini: An Easy-to-Use Python Toolkit to Support Replicable IR Research with Sparse and Dense Representations
Pyserini是一个易于使用的Python工具包，通过在多阶段排名架构中提供有效的第一阶段检索来支持可复制的IR研究。我们的工具包作为标准Python包是自包含的，并带有查询，相关性判断，预构建索引和许多常用IR测试集合的评估脚本。我们的目标是支持，开箱即用，整个研究生命周期的努力，旨在提高排名与现代神经方法。特别地，Pyserini支持稀疏检索（例如，使用词袋表示的BM 25评分）、稠密检索（例如，变换器编码表示上的最近邻搜索），以及集成两种方法的混合检索。本文提供了一个概述的工具包功能，并提出了实证结果，说明其有效性的两个流行的排名任务。我们还描述了我们的团队如何通过共享规范和工具建立可复制性文化，从而实现严格的自动化测试。
2021-02-19 cs.IR
Future of Information Retrieval Research in the Age of Generative AI
本文报告CCC支持的IR-GenAI愿景研讨会，汇集44位专家探讨生成式AI与信息检索的相互增强、挑战机遇，并提出研究主题与多方建议。
2024-12-03 cs.AI cs.IR
Building Retrieval Systems for the ClueWeb22-B Corpus
针对 ClueWeb22-B 英文语料构建稀疏与稠密检索及神经重排序基线，供社区对比与训练评估，已部署于卡内基梅隆大学集群。
2024-02-06 cs.IR
Evaluating Information Retrieval Systems for Kids
信息检索系统（IRS）的评价是信息检索研究人员的一个突出主题-主要针对普通人群。儿童需要独特的IRS，并通过扩展不同的方式来评估这些系统，但作为一个庞大的人口使用IRS在很大程度上被忽视的评估前线。在这份立场文件中，我们探讨了在评估IRS时必须考虑的许多观点;我们特别讨论了与儿童IRS合作的研究人员所面临的问题，包括缺乏评估框架，数据的局限性以及缺乏对用户判断的理解。
2020-05-21 cs.IR
Idea2Prior: Auditable Paper Retrieval and Ranking from Research Ideas
Johns Hopkins University（约翰斯·霍普金斯大学）
Idea2Prior是基于PaperArena的可审计文献检索系统，结合多源发现等技术，在EASY、MEDIUM查询的论文检索排序上优于ChatGPT、Gemini的网页深度研究，可支持针对性思路到论文检索。
2026-10-16 cs.IR
Novelty-Aware Agentic Retrieval: Comparing Research Contributions Through Structured Multi-Step Reasoning
University of South Dakota（南达科他大学）
提出新颖性感知研究智能体，通过结构化多步推理增强RAG，实现论文间重叠、差异及问题-方法缺失的对比分析，在100篇论文语料上支持五种结构化比较能力。
2026-06-23 cs.IR
Approaches, Challenges and Future Direction of Image Retrieval
本文试图讨论检索方法的演变，重点是图像检索的发展，面临的挑战和未来的发展方向。它突出了已经处理的和悬而未决的问题。图像数据的爆炸式增长导致了图像检索技术的研究和发展。然而，图像检索的研究正在从关键字，低层次的特征和语义特征。语义特征的驱动是由于关键字的问题，这可能是非常主观和耗时的，而低级别的功能不能总是描述高级别的概念，在用户的头脑。因此，在图像描述符和高级语义之间引入了被称为语义间隙的解释不一致性。本文还讨论了语义鸿沟问题，用户查询机制，以及常用的方法来弥补差距的图像检索。
2010-06-23 cs.IR
TeroSeek: An AI-Powered Knowledge Base and Retrieval Generation Platform for Terpenoid Research
School of Pharmaceutical Sciences, Sun Yat-sen University（中山大学药学院）
TeroSeek是一个基于二十年文献构建的萜类知识库，结合RAG框架和AI问答，提供结构化信息，优于通用LLM，支持多学科研究。
2025-05-27 cs.AI cs.CL cs.IR
Large-Scale Knowledge Synthesis and Complex Information Retrieval from Biomedical Documents
Quantiphi（Quantiphi公司）
医疗保健行业的最新进展导致了大量的非结构化数据，这使得大规模执行高效准确的信息检索等任务变得非常具有挑战性。我们的工作提供了一个一体化的可扩展的解决方案，用于从大规模的研究文档中提取和探索复杂的信息，否则这将是乏味的。首先，我们简要介绍了我们的知识合成过程中提取有用的信息，从非结构化的文本数据的研究文件。然后，在从文档中提取的知识的顶部，我们执行复杂的信息检索使用三个主要组成部分-段落检索，三元组检索从知识图谱，和复杂的问答（QA）。这些组件结合了基于词汇和语义的方法来检索段落和三元组，并执行分面细化以过滤这些搜索结果。生物医学查询和文档的复杂性需要使用能够处理比模拟事实查询更复杂的查询的QA系统，我们在COVID-19开放研究数据集（CORD-19）上进行了定性评估，以证明其有效性和附加值。
2023-02-14 cs.AI cs.IR
Explainability of Text Processing and Retrieval Methods: A Survey
Indian Statistical Institute（印度统计研究所）
本文综述了文本处理和检索方法的可解释性，涵盖词嵌入、序列建模、注意力模块等技术，并探讨了未来研究方向。
2026-03-10 cs.AI cs.CL cs.IR
A Self-Assessing Compilation Based Search Approach for Analytical Research and Data Retrieval
在进行元分析研究时，要从各个数据库和搜索引擎提供的大量来源中进行筛选，会非常耗时，因此降低了来源分析的特异性。本研究旨在预测面向研究的搜索算法在所有主题和搜索技术的可行性，以打击在处理大型数据集的缺陷，通过自动化元分析的三个关键组成部分：基于查询的搜索与预期的研究主题，选择给定的来源，并确定其相关性的原始查询，并提取适用的信息，包括摘录和引文。该算法使用5个关键的历史主题进行评估，结果分为4类：检索到的相关来源的总数，给定特定搜索的效率，完成一个完整周期所需的总时间，以及与当前搜索方法的结果相比，提取的来源的质量。虽然通过几次搜索的结果不同，平均而言，该程序每次搜索共收集了126个来源，平均效率为每秒19.55个来源，当比较和定性评估确定的结果时，表明在所有学科领域开发的算法将在未来的研究方法中取得进展。
2020-07-30 cs.IR
Scalable and Effective Generative Information Retrieval
本文提出RIPOR优化框架，通过前缀导向排序和基于关联性的文档ID构建，首次实现生成式检索在大规模基准上的有效训练，大幅超越现有生成式模型并媲美稠密检索。
2023-11-15 cs.IR
Neural Information Retrieval: A Literature Review
最近的“第三波”神经网络（NN）方法现在在许多机器学习任务中提供了最先进的性能，涵盖语音识别，计算机视觉和自然语言处理。由于这些现代NN通常包含多个相互连接的层，因此这种新的NN研究通常被称为深度学习。基于这一趋势，许多研究者开始研究信息检索的神经网络方法。虽然深度NN尚未在IR中取得与其他领域相同的成功水平，但最近对IR NN的兴趣和工作的激增表明这种情况可能正在迅速改变。在这项工作中，我们调查了神经IR研究的现状，特别注意使用查询和文档的学习表示（即，神经嵌入）。我们强调了迄今为止神经IR的成功，对其更广泛采用的障碍进行了分类，并为未来的研究提出了潜在的有希望的方向。
2017-03-03 cs.IR
Report on the First HIPstIR Workshop on the Future of Information Retrieval
HIPstIR的愿景是，早期阶段的信息检索（IR）的研究人员聚集在一起，开发一个未来的非主流的想法和研究议程在IR。这一愿景的第一次迭代实现了为期三天的研讨会在朴次茅斯，新罕布什尔州的形式出席了24名研究人员在学术界和工业界。与会者预先提交了一个或多个他们希望在会议上推销的主题。在为期三天的研讨会期间，我们自行组织成小组，就共同感兴趣的六项具体建议开展工作。在本报告中，我们介绍了研讨会的概况，并简要总结了研讨会提出的六项建议。
2019-12-20 cs.IR
Retrieval of Scientific and Technological Resources for Experts and Scholars
School of Computer Science (National Pilot School of Software Engineering), Beijing University of Posts and Telecommunications（北京邮电大学计算机学院（国家软件工程试点学院））；Beijing Key Laboratory of Intelligent Telecommunication Software and Multimedia（北京智能电信软件与多媒体重点实验室）
针对专家学者科技资源因信息不对称无法与社会及时对接、需求难以精准匹配的问题，从文本关系提取、知识表示学习、向量检索和可视化系统四方面梳理相关研究工作，以助力建立专家学者信息数据库及检索服务。
2026-07-10 cs.AI cs.IR
Dynamic Model for Query-Document Expansion towards Improving Retrieval Relevance
从搜索引擎中获取相关信息一直是信息检索研究工作的核心。查询扩展是一种已经被研究并被证明在相关性方面产生积极结果的检索技术。用户需要将他们的查询表达为单词、句子或问题的短列表。使用这种简短的格式，大量的信息在从实际查询大小转换所需信息的过程中丢失，因为用户不能用几句话表达他所有的想法。这主要导致不良的查询表示，这有助于不期望的检索效率。这种信息的丢失使得查询扩展技术的研究成为一个强有力的研究领域。本研究工作的重点是两种检索方法的鸣叫长度查询和长度查询。已经提出了两种算法，预计实现产生一个更好的相关性检索模型比大多数国家的最先进的相关性模型。
2021-03-18 cs.IR
Retrieval-Enhanced Machine Learning: Synthesis and Opportunities
Carnegie Mellon University（卡内基梅隆大学）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Databricks（Databricks公司）
本文提出检索增强机器学习（REML）正式框架，通过统一符号综合多领域文献，并连接基础信息检索研究与当代检索增强模型，以推动跨学科研究。
2024-10-18 cs.CL cs.IR cs.LG
Wikipedia-based Datasets in Russian Information Retrieval Benchmark RusBEIR
Lomonosov Moscow State University, Russia（罗蒙诺索夫莫斯科国立大学）；South Ural State University, Chelyabinsk, Russia（南乌拉尔州立大学）
本文基于俄语维基百科“你知道吗”栏目构建新数据集，扩展 RusBEIR 基准，通过对比词汇与神经检索模型并引入重排序，提升俄语信息检索性能。
2025-11-07 cs.CL cs.IR
Qwant Research @DEFT 2019: Document matching and information retrieval using clinical cases
QWANT RESEARCH（Qwant研究院）
本文报告了Qwant Research对DEFT 2019挑战任务2和任务3的贡献，重点是法国临床病例分析。任务2是关于临床病例和讨论之间的语义相似性的任务。对于这项任务，我们提出了一种基于语言模型的方法，并评估不同的预处理和匹配技术的结果的影响。对于任务3，我们已经开发了一个信息抽取系统，在准确性方面产生了非常令人鼓舞的结果。我们已经试验了两种不同的方法，一种基于神经网络的专用，另一种基于语言分析。
2019-07-06 cs.CL cs.IR cs.LG
A Survey of Quantum Theory Inspired Approaches to Information Retrieval
自2004年以来，研究人员一直在信息检索（IR）中使用量子理论（QT）的数学框架。QT提供了一个广义的概率和逻辑框架。这样的框架已被证明能够统一的表示，排名和用户认知方面的IR，并有助于开发更动态，自适应和上下文感知的IR系统。虽然量子激发的IR仍然是一个不断发展的领域，但在IR的不同方面已经做了大量的工作，并产生了有希望的结果。本文介绍了在这方面所做的研究的调查，旨在显示该领域的景观，并绘制未来方向的路线图。
2020-07-08 cs.IR
Learning about Potential Users of Collaborative Information Retrieval Systems
设计可用的和有用的协作信息检索系统的关键组成部分之一是了解这些系统的用户的需求。我们的研究团队一直在探索各种组织环境中的协作信息行为。我们的研究目标有两个方面：第一，发展一个概念上的理解，合作的信息行为和第二，收集的要求，合作信息检索系统的设计。在本文中，我们提出了一个简短的概述，我们的实地工作在三个不同的组织设置，讨论我们的方法收集数据的协作信息行为，并强调一些教训，我们正在学习的潜在用户的协作信息检索系统在这些领域。
2009-08-05 cs.HC cs.IR
Recent Advance in Content-based Image Retrieval: A Literature Survey
Web上视觉数据的爆炸性增长和无处不在的可访问性导致了图像搜索或检索研究活动的繁荣。由于忽略视觉内容作为排序线索，用于视觉检索的文本搜索技术的方法可能遭受文本词和视觉内容之间的不一致。基于内容的图像检索（CBIR）利用视觉内容的表示来识别相关图像，在近二十年来受到了持续的关注。这样的问题是具有挑战性的，由于意图差距和语义差距的问题。在过去的十年中，已经开发了许多基于内容的图像检索技术。本文的目的是对2003年至2016年期间提出的算法进行分类和评估。最后，我们总结了未来研究的几个有前途的方向。
2017-09-02 cs.IR cs.MM
OpenMatch: An Open Source Library for Neu-IR Research
OpenMatch是一个基于Python的库，用于神经信息检索（Neu-IR）研究。它提供了独立的神经和传统IR模块，使其易于构建定制和更高容量的IR系统。为了为用户发挥Neu-IR模型的优势，OpenMatch提供了最新神经IR模型的实现、复杂的实验说明和高级的Few-Shot训练方法。OpenMatch再现了广泛使用的IR基准上以前工作的相应排名结果，将用户从基线重新实现的剩余劳动力中解放出来。我们基于OpenMatch的解决方案在各种排名任务（如临时检索和会话检索）上进行排名最高的实证结果，说明OpenMatch有助于构建有效的IR系统。OpenMatch的库、实验方法和结果都可以在https://github.com/thunlp/OpenMatch上公开获得。
2021-05-06 cs.IR
