AutoMIR：无需相关性标签的有效零样本医学信息检索
信息检索
2025-05-27 v2 人工智能
摘要
医学信息检索（MIR）对于从电子健康记录、科学文献和医学数据库等多种来源检索相关医学知识至关重要。然而，由于缺乏相关性标注数据，在医学领域实现有效的零样本稠密检索面临巨大挑战。在本文中，我们引入了一种名为 \textbf{自}学习\textbf{假}设\textbf{文}档\textbf{嵌}入（\textbf{SL-HyDE}）的新方法来解决这一问题。SL-HyDE 利用大语言模型（LLM）作为生成器，根据给定的查询生成假设文档。这些生成的文档封装了关键的医学上下文，引导稠密检索器识别最相关的文档。该自学习框架逐步改进伪文档生成和检索，利用未标记的医学语料库，而无需任何相关性标注数据。此外，我们提出了中文医学信息检索基准（CMIRB），这是一个基于真实世界医学场景的综合评估框架，包含五项任务和十个数据集。通过在 CMIRB 上对十个模型进行基准测试，我们确立了评估医学信息检索系统的严格标准。实验结果表明，SL-HyDE 在检索准确率上显著超越 HyDE，同时在各种 LLM 和检索器配置中展现出强大的泛化能力和可扩展性。我们的代码和数据公开可用：https://github.com/ll0ruc/AutoMIR
引用
@article{arxiv.2410.20050,
title = {AutoMIR: Effective Zero-Shot Medical Information Retrieval without Relevance Labels},
author = {Lei Li and Xiangxu Zhang and Xiao Zhou and Zheng Liu},
journal= {arXiv preprint arXiv:2410.20050},
year = {2025}
}
备注
19 pages, 15 tables