FecTek: 利用特征上下文和术语级知识增强基于词典检索中的术语权重
计算与语言
2024-04-19 v1
摘要
基于词典的检索因其高效和稳健的性能在文本检索中获得了显著流行。为了进一步提升基于词典的检索性能，研究人员一直在努力整合最先进的方法，如神经检索和文本级对比学习方法。然而，尽管取得了有希望的结果，当前的基于词典的检索方法在探索特征上下文表示和术语级知识引导的潜在益处方面受到的关注有限。在本文中，我们通过引入特征上下文和术语级知识模块（FecTek）介绍了一种创新方法。为了有效丰富术语权重的特征上下文表示，引入了特征上下文模块（FCM），该模块利用BERT表示的能力为嵌入中的每个元素确定动态权重。此外，我们开发了一个术语级知识引导模块（TKGM），用于有效利用术语级知识智能地指导术语权重的建模过程。在MS Marco基准上的评估表明，该方法优于先前的最先进方法。
引用
@article{arxiv.2404.12152,
title = {FecTek: Enhancing Term Weight in Lexicon-Based Retrieval with Feature Context and Term-level Knowledge},
author = {Zunran Wang and Zhonghua Li and Wei Shen and Qi Ye and Liqiang Nie},
journal= {arXiv preprint arXiv:2404.12152},
year = {2024}
}