IR 模型与 COVID-19 大流行：性能与挑战的比较研究
信息检索
2023-05-23 v1
摘要
本研究调查了不同信息检索（IR）系统在 COVID-19 大流行期间从科学文献中获取相关信息的效率。研究将 TREC 框架应用于 COVID-19 开放研究数据集（CORD-19），并评估了 BM25、Contriever 和 Bag of Embeddings IR 框架。目标是为应对大流行期间复杂信息环境的搜索引擎构建测试集。研究使用 CORD-19 数据集训练和评估 IR 模型，并将结果与 TREC-COVID IR Challenge 中人工标注的结果进行比较。结果表明，BERT 和 Contriever 等先进 IR 模型能更好地在大流行期间检索相关信息。然而，研究也强调了处理大型数据集的挑战，以及需要聚焦于摘要或总结的策略。总体而言，本研究凸显了在 COVID-19 等危机中有效定制 IR 系统以应对信息过载的重要性，并可指导该领域未来研究与开发。
引用
@article{arxiv.2305.12528,
title = {IR Models and the COVID-19 Pandemic: A Comparative Study of Performance and Challenges},
author = {Moksh Shukla and Nitik Jain and Shubham Gupta},
journal= {arXiv preprint arXiv:2305.12528},
year = {2023}
}
备注
7 pages, 2 figures