神经网络在不同粒度信息检索任务上的适应性
信息检索
2016-06-27 v1 计算与语言
摘要
近期使用深度学习模型的信息检索（IR）工作已在多种 IR 任务上取得了最先进的结果。深度神经网络（DNN）能够在训练过程中学习数据的理想表示，从而无需独立提取特征。然而，这些 DNN 的结构通常是为在特定数据集上执行而量身定制的。此外，IR 任务处理的文本粒度级别各不相同，从单个事实片段到包含数千词的文档。在本文中，我们考察了粒度对 IR 中常见的最先进 DNN 结构性能的影响。
引用
@article{arxiv.1606.07565,
title = {Adaptability of Neural Networks on Varying Granularity IR Tasks},
author = {Daniel Cohen and Qingyao Ai and W. Bruce Croft},
journal= {arXiv preprint arXiv:1606.07565},
year = {2016}
}
备注
4 pages, Neu-IR'16 SIGIR Workshop on Neural Information Retrieval, July 21, 2016, Pisa, Italy