像 BM25 一样解释：用稀疏近似解读稠密模型的排序列表
信息检索
2023-04-26 v1 计算与语言
摘要
神经检索模型（NRM）因能够通过稠密文档表示捕捉语义信息，已被证明优于统计检索模型。然而，这些模型不依赖显式的词项匹配，因而可解释性较差。作为一种针对每个查询的局部解释形式，我们引入了等价查询的概念：通过最大化 NRM 的结果与带有该等价查询的稀疏检索系统结果集之间的相似度来生成等价查询。随后，我们将该方法与 RM3 查询扩展等现有方法进行比较，并对比各方法在检索效果及所生成词项上的差异。
引用
@article{arxiv.2304.12631,
title = {Explain like I am BM25: Interpreting a Dense Model's Ranked-List with a Sparse Approximation},
author = {Michael Llordes and Debasis Ganguly and Sumit Bhatia and Chirag Agarwal},
journal= {arXiv preprint arXiv:2304.12631},
year = {2023}
}
备注
Accepted at SIGIR 2023