基于语料图的图神经网络再排序
信息检索
2024-06-18 v1
摘要
再排序系统旨�重新排序初始文档列表，以更好地满足用户查询相关联的信息需求。当前主流的再排序器主要依赖神经网络模型，这些模型在表示来自 various modalities 的样本方面效果显著。然而，这些模型通常会孤立地对查询-文档对进行评估，忽略了可能提升再排序列表质量的文档分布。为此，我们提出基于图神经网络的再排序方法（GNRR），该方法利用图神经网络 (GNN)，使每个查询在推断时能够考虑文档分布。我们的模型通过语料子图来建模文档之间的关系，并使用 GNN 对其表示进行编码。通过大量实验，我们证明 GNN 能有效捕获跨文档相互作用，提升了在流行排序指标上的性能。在 TREC-DL19 上，我们观察到平均精度（Average Precision）相较于基线提升了 5.8%。这些发现表明，集成 GNN 模块在理解文档更广阔背景尤为重要时，具有显著优势。
引用
@article{arxiv.2406.11720,
title = {Graph Neural Re-Ranking via Corpus Graph},
author = {Andrea Giuseppe Di Francesco and Christian Giannetti and Nicola Tonellotto and Fabrizio Silvestri},
journal= {arXiv preprint arXiv:2406.11720},
year = {2024}
}
备注
This preprint is the result of work in progress, therefore it should still be considered a draft