为第一阶段排序构建集合组合与否定表示
信息检索
2025-01-15 v1
摘要
集合组合和否定查询对于表达复杂的信息需求至关重要，并能够发现诸如关于非欧洲君主的书籍等小众项目。尽管 LLM 最近取得了进展，但由于需要独立于彼此对文档和查询进行编码，第一阶段排序仍然具有挑战性。这一局限性要求构建包含逻辑运算或否定、并可用于有效匹配相关文档的组合查询表示。在本工作的第一部分，我们探索在零样本设置下，利用词法基础的习得稀疏检索表示之间的向量运算来构建此类表示。具体而言，我们引入了仅惩罚查询中否定部分的解耦否定，以及增强 LSR 处理交集能力的组合伪词方法。我们发现我们的零样本方法具有竞争力，并且通常优于在组合数据上微调的检索器，突出了 LSR 和密集检索器的某些局限性。最后，我们解决了其中一些局限性，通过允许 LSR 归因负词项分数并有效惩罚包含否定词项的文档，提高了 LSR 在否定方面的表示能力。
引用
@article{arxiv.2501.07679,
title = {Constructing Set-Compositional and Negated Representations for First-Stage Ranking},
author = {Antonios Minas Krasakis and Andrew Yates and Evangelos Kanoulas},
journal= {arXiv preprint arXiv:2501.07679},
year = {2025}
}
备注
12 pages