Co-PACRR：一种用于即席检索的上下文感知神经信息检索模型
信息检索
2017-11-29 v3 计算与语言
摘要
神经信息检索模型，如DRMM和PACRR，已通过成功捕获相关性匹配信号取得了强劲结果。我们认为这些匹配信号的上下文同样重要。直观上，在提取、建模和组合匹配信号时，人们希望考虑周围文本（局部上下文）以及来自同一文档的有助于整体相关性得分的其他信号。在这项工作中，我们强调了由不考虑上下文信息引起的三个潜在缺陷，并提出了三种神经组件来解决它们：一个消歧组件、级联k-max池化和一个混洗组合层。将这些组件整合到PACRR模型中产生了Co-PACRR，一种新颖的上下文感知神经信息检索模型。在Trec Web Track数据上与已有模型的广泛比较证实了所提模型能够获得优越的搜索结果。此外，进行了消融分析以深入了解不同组件的影响和交互。我们发布了代码以便未来比较。
引用
@article{arxiv.1706.10192,
title = {Co-PACRR: A Context-Aware Neural IR Model for Ad-hoc Retrieval},
author = {Kai Hui and Andrew Yates and Klaus Berberich and Gerard de Melo},
journal= {arXiv preprint arXiv:1706.10192},
year = {2017}
}
备注
To appear in WSDM 2018