基于生成式AI的相似性搜索：检索增强生成方法
信息检索
2025-01-09 v1
摘要
本文介绍一种创新的检索增强生成（RAG）方法，用于相似性搜索。该方法利用生成模型捕捉细致的语义信息，并基于高级上下文理解检索相似性得分。本研究聚焦于包含100对从生物医学领域提取的句子的BIOSSES数据集，引入的相似性搜索相关性结果在该数据集上优于以往记录。通过对模型灵敏度的深入分析，研究确定了导致最高相似性搜索准确率的 optimal 条件：结果显示，在温度为0.5且提示中提供20个样本的条件下，Pearson相关系数可达0.905。这些发现凸显了生成模型在语义信息检索方面的潜力，并强调了相似性搜索的一个有前景的研究方向。
引用
@article{arxiv.2501.04006,
title = {Advancing Similarity Search with GenAI: A Retrieval Augmented Generation Approach},
author = {Jean Bertin},
journal= {arXiv preprint arXiv:2501.04006},
year = {2025}
}