DeepTileBars：面向神经信息检索的术语分布可视化
信息检索
2021-06-10 v3 计算与语言
摘要
大多数神经信息检索（Neu-IR）模型基于术语级匹配推导查询到文档的排序分数。受经典术语分布可视化方法 TileBars 的启发，本文提出一种新颖的 Neu-IR 模型，在子主题及更高层次上处理查询到文档的匹配。我们的系统首先将文档分割为 topical 片段，将查询与片段之间的匹配“可视化”，然后将交互矩阵输入 Neu-IR 模型 DeepTileBars 以获得最终排序分数。DeepTileBars 对文档主题层次中不同粒度出现的相关性信号建模，能更好地捕捉文档的语篇结构及匹配模式。尽管其设计与实现轻量，DeepTileBars 在包括文本检索会议（TREC）2010-2012 Web Tracks 和 LETOR 4.0 在内的基准数据集上优于其他最先进的 Neu-IR 模型。
引用
@article{arxiv.1811.00606,
title = {DeepTileBars: Visualizing Term Distribution for Neural Information Retrieval},
author = {Zhiwen Tang and Grace Hui Yang},
journal= {arXiv preprint arXiv:1811.00606},
year = {2021}
}