CuSINeS：用于法条检索的课程驱动结构诱导负采样
信息检索
2024-04-02 v1 计算与语言
摘要
在本文中，我们介绍了 CuSINeS，一种用于提升法条检索（SAR）性能的负采样方法。CuSINeS 提供了三个关键贡献。首先，它采用基于课程的负采样策略，引导模型最初关注较简单的负样本，并逐步处理更困难的负样本。其次，它利用源自法规结构组织的层次和序列信息来评估样本的难度。最后，它使用正在训练的模型本身引入了动态语义难度评估，超越了 BM25 等传统静态方法，使负样本适应模型不断变化的能力。在真实世界的专家标注 SAR 数据集上的实验结果验证了 CuSINeS 在四个不同基线上的有效性，证明了其通用性。
引用
@article{arxiv.2404.00590,
title = {CuSINeS: Curriculum-driven Structure Induced Negative Sampling for Statutory Article Retrieval},
author = {T. Y. S. S Santosh and Kristina Kaiser and Matthias Grabmair},
journal= {arXiv preprint arXiv:2404.00590},
year = {2024}
}
备注
Accepted to LREC-COLING 2024