在交叉编码器重排序中利用多维相关性陈述增强文档
信息检索
2023-06-21 v1 人工智能
摘要
本文提出一种新方法,在交叉编码器重排序中考虑超越主题性的多维度相关性。一方面,当前多维检索模型在重排序阶段常采用朴素方案将多个相关性分数聚为总分。另一方面,交叉编码器重排序器虽能有效考量主题性,却未设计以直接纳入其他相关性维度。为克服这些问题,我们设想用与附加相关性维度相关的“相关性陈述”增强由第一阶段词法检索模型召回的候选文档,再用交叉编码器对其重排序。特别地,此处我们考虑超越主题性的附加相关性维度——可信度。我们在消费者健康搜索任务背景下使用公开数据集测试了方案有效性。结果表明,所提方法在统计上优于基于聚合的重排序器与交叉编码器重排序器。
引用
@article{arxiv.2306.10979,
title = {Enhancing Documents with Multidimensional Relevance Statements in Cross-encoder Re-ranking},
author = {Rishabh Upadhyay and Arian Askari and Gabriella Pasi and Marco Viviani},
journal= {arXiv preprint arXiv:2306.10979},
year = {2023}
}