基于 BERT 的组级查询性能预测
信息检索
2022-04-26 v1
摘要
尽管 BERT 等大规模预训练语言模型推动了信息检索（IR）领域的 SOTA，但其在查询性能预测（QPP）中的应用迄今基于单个查询的点级建模。同时，近期研究表明，一组文档的跨注意力建模可有效提升学习排序算法和基于 BERT 的重排序的性能。为此，提出了一种基于 BERT 的组级 QPP 模型，其中联合建模一组查询的排序上下文以预测单个查询的相对性能。在三个标准 TREC 数据集上的大量实验展示了我们方法的有效性。我们的代码可在 https://github.com/VerdureChen/Group-QPP 获取。
引用
@article{arxiv.2204.11489,
title = {Groupwise Query Performance Prediction with BERT},
author = {Xiaoyang Chen and Ben He and Le Sun},
journal= {arXiv preprint arXiv:2204.11489},
year = {2022}
}
备注
Accepted at Proceedings of the 44th European Conference on Information Retrieval, ECIR 2022