利用增强的文档-查询交互进行深度相关性排序
信息检索
2018-09-12 v2 计算与语言
摘要
我们探索了几种用于文档相关性排序的新模型，建立在 Guo 等人(2016)的深度相关性匹配模型(DRMM)之上。与 DRMM 使用对上下文不敏感的术语编码和查询-文档术语交互不同，我们受 PACRR（Hui 等人，2017）的卷积 n-gram 匹配特征启发，在整个模型中注入丰富的上下文敏感编码，但以多种方式扩展，包括查询和文档输入的多个视图。我们在来自 BIOASQ 问答挑战（Tsatsaronis 等人，2015）和 TREC ROBUST 2004（Voorhees，2005）的数据集上测试了我们的模型，显示它们优于基于 BM25 的基线、DRMM 和 PACRR。
引用
@article{arxiv.1809.01682,
title = {Deep Relevance Ranking Using Enhanced Document-Query Interactions},
author = {Ryan McDonald and Georgios-Ioannis Brokos and Ion Androutsopoulos},
journal= {arXiv preprint arXiv:1809.01682},
year = {2018}
}
备注
In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP 2018), Brussels, Belgium, 2018