核神经排序模型的一致性与差异性
信息检索
2018-09-28 v1 计算与语言
机器学习
摘要
本文研究了基于核的神经排序模型 K-NRM（近期最先进的神经 IR 模型）的一致性，这对可复现研究与工业部署十分重要。我们发现 K-NRM 在跨实验 trials 的基于相关性的指标上方差较低。尽管总体性能方差如此之低，不同 trials 仍为单个查询产生不同的文档排序。我们实验中方差的主要来源是 K-NRM 所捕获的不同隐匹配模式。在 K-NRM 学习的 IR 定制词嵌入中，查询-文档词对遵循两种同样有效但于嵌入空间中以不同方式对齐词对的匹配模式。这些不同的隐匹配模式促成了一种简单而有效的集成排序器构建方法，其提升了 K-NRM 的效果与泛化能力。
引用
@article{arxiv.1809.10522,
title = {Consistency and Variation in Kernel Neural Ranking Model},
author = {Mary Arpita Pyreddy and Varshini Ramaseshan and Narendra Nath Joshi and Zhuyun Dai and Chenyan Xiong and Jamie Callan and Zhiyuan Liu},
journal= {arXiv preprint arXiv:1809.10522},
year = {2018}
}
备注
4 pages, 4 figures, 2 tables