TREC 2020 深度学习赛道中采用查询词独立性的 Conformer-Kernel 模型
信息检索
2021-02-15 v2 人工智能
机器学习
摘要
我们在 TREC 2020 深度学习赛道的严格盲评设置下对 Conformer-Kernel 模型进行基准测试。具体而言，我们研究了引入以下策略的影响：(i) 显式词项匹配以补充基于学习表示的匹配（即“Duet 原则”），(ii) 查询词独立性（即“QTI 假设”）以将模型扩展到完整检索设置，以及 (iii) 将 ORCAS 点击数据作为额外的文档描述字段。我们发现的证据支持上述三种策略均能带来检索质量的提升。
引用
@article{arxiv.2011.07368,
title = {Conformer-Kernel with Query Term Independence at TREC 2020 Deep Learning Track},
author = {Bhaskar Mitra and Sebastian Hofstatter and Hamed Zamani and Nick Craswell},
journal= {arXiv preprint arXiv:2011.07368},
year = {2021}
}