链式检索：用于全文检索的多维度迭代搜索扩展与后序搜索聚合
计算机视觉与模式识别
2025-11-18 v1 人工智能
机器学习
摘要
科学文献检索，特别是以文档到文档检索的形式，旨在识别针对长篇查询文档（而非短查询字符串）的相关文献。以往方法仅关注摘要，将其嵌入稠密向量作为完整文档的替代品进行相似度计算。然而，摘要仅提供稀疏且高层次的概述，此类方法主要优化一对一的相似度，忽略了在检索过程中在相关文献之间形成的动态关联。为此，我们提出链式检索（COR），一种新的迭代框架用于全文检索。具体而言，COR 将每个查询文档分解为多个特定于领域的视角，分别匹配分段后的候选文档，并通过提升顶级排名结果作为新查询来迭代扩展搜索，从而形成树状的检索过程。最终的检索树以后序方式聚合：首先在查询层面组合后代节点，然后递归地与其父节点合并，以捕获跨迭代的层次关系。为验证此方法，我们提出 SCIFULLBENCH，一个大规模基准数据集，提供查询和候选文档的完整及分段上下文。结果表明，COR 显著优于现有检索基线方法。我们的代码和数据集已公开于 https://github.com/psw0021/Chain-of-Retrieval-Official。
关键词
引用
@article{arxiv.2507.10056,
title = {Lightweight Model for Poultry Disease Detection from Fecal Images Using Multi-Color Space Feature Optimization and Machine Learning},
author = {A. K. M. Shoriful Islam and Md. Rakib Hassan and Macbah Uddin and Md. Shahidur Rahman},
journal= {arXiv preprint arXiv:2507.10056},
year = {2025}
}