面向复杂答案检索的问题方面刻画
信息检索
2018-05-03 v1
摘要
复杂答案检索(CAR)是针对具有多面性或细微差别答案的问题检索答案的过程。在本工作中，我们基于问题方面在效用上可能存在差异这一观察，提出了两种新颖的CAR方法：从结构性（可应用于许多相似主题的方面，如“历史”）到主题性（特定于问题主题的方面，如美国的“西进运动”）。我们首先探索了一种在查询词项分数组合阶段将方面效用纳入排序模型的方法。随后，我们探索了一种重构排序模型结构的通用方法，以辅助在查询-文档词项匹配阶段学习方面效用。当我们在TREC CAR数据集上将所提技术与领先的神经排序器结合使用时，我们的方法在2017年TREC CAR基准测试中排名第一，并且性能比次优方法高出至多26%。
引用
@article{arxiv.1805.00791,
title = {Characterizing Question Facets for Complex Answer Retrieval},
author = {Sean MacAvaney and Andrew Yates and Arman Cohan and Luca Soldaini and Kai Hui and Nazli Goharian and Ophir Frieder},
journal= {arXiv preprint arXiv:1805.00791},
year = {2018}
}
备注
4 pages; SIGIR 2018 Short Paper