基于BERT嵌入与引文网络分析的学术搜索查询扩展技术
信息检索
2023-01-27 v1
摘要
研究文献的急剧增长使得学术搜索引擎难以针对给定搜索查询返回最相关的论文。多年来已提出众多方案以提升学术搜索效果，包括利用查询扩展与引文分析。查询扩展技术缓解了查询与索引文档所用语言之间的不匹配。然而，这些技术在扩展原始查询时可能引入不相关信息。近来，上下文模型BERT用于文档检索在查询扩展中相当成功。受此类问题驱动并受BERT成功启发，本文提出一种称为QeBERT的新方法。QeBERT在查询扩展中利用基于BERT的嵌入与引文网络分析（CNA）以改进学术搜索。具体而言，我们在伪相关反馈（PRF）方式中使用上下文感知的BERT嵌入与CNA进行查询扩展。在ACL数据集上的初步实验结果表明，BERT嵌入可为查询扩展提供有价值的增强，并与CNA结合时提升搜索相关性。
引用
@article{arxiv.2301.11069,
title = {BERT-Embedding and Citation Network Analysis based Query Expansion Technique for Scholarly Search},
author = {Shah Khalid and Shah Khusro and Aftab Alam and Abdul Wahid},
journal= {arXiv preprint arXiv:2301.11069},
year = {2023}
}
备注
10