分析列表排序在时间可迁移性上的效果：位置不变性
信息检索
2024-10-01 v3
摘要
本工作笔记概述了我们在 CLEF 2024 召回任务中的参与情况。我们强调了在静态知识文档上研究检索性能与在真实世界环境中理解性能之间的巨大差距。因此，针对这些差异进行调查和衡量 IR 系统的时间持久性至关重要。通过研究专为此类动态环境设计的 LongEval 基准，我们的发现表明，列表排序方法在处理由时间分布迁移引起的误差方面效果良好。在列表排序器中，我们的发现显示，ListT5 通过采用 Fusion-in-Decoder 架构有效缓解了位置偏差问题，尤其在测试-long 子集上表现更佳，随着时间漂移的增加效果更明显。
引用
@article{arxiv.2407.06716,
title = {Analyzing the Effectiveness of Listwise Reranking with Positional Invariance on Temporal Generalizability},
author = {Soyoung Yoon and Jongyoon Kim and Seung-won Hwang},
journal= {arXiv preprint arXiv:2407.06716},
year = {2024}
}
备注
Accepted at CLEF 2024 LongEval track. Abstract revised: its first two (background) sentences were too similar to an earlier paper arXiv:2305.18952