基于自编码器与语义哈希的梯度增强信息检索
信息检索
2018-03-14 v1 机器学习
机器学习
摘要
本文探讨在信息检索背景下使用自编码器进行语义哈希。本文总结如何高效训练自编码器，以创建有意义且低维的数据编码。本文展示计算和存储与输入查询最接近的编码如何有助于加快搜索时间并提升搜索结果的质量。本文的新贡献在于利用自编码器学习到的数据表示，以多种方式增强我们的搜索查询。我提出并评估了新的梯度搜索增强（GSA）方法，以及更为知名的伪相关反馈（PRF）调整。我发现 GSA 有助于提升基于 TF-IDF 的信息检索系统的性能，而 PRF 与 GSA 结合在本文所比较的系统中总体表现最佳。
引用
@article{arxiv.1803.04494,
title = {Gradient Augmented Information Retrieval with Autoencoders and Semantic Hashing},
author = {Sean Billings},
journal= {arXiv preprint arXiv:1803.04494},
year = {2018}
}