逻辑一致性至关重要：面向负约束查询的神经符号信息检索
信息检索
2025-05-30 v2
摘要
信息检索在资源定位中起着至关重要的作用。当前的稠密检索器通过嵌入相似度在语料库中检索相关文档，其计算稠密向量之间的相似度主要依赖于查询和文档之间的词共现，却忽略了真实的查询意图。因此，它们常常检索出大量不相关的文档。特别是在诸如负约束查询等复杂查询场景下，其检索性能可能是灾难性的。为了解决这个问题，我们提出了一种神经符号信息检索方法，即 NS-IR，该方法利用一阶逻辑 (FOL) 通过考虑查询和文档之间的逻辑一致性来优化朴素自然语言的嵌入。具体而言，我们引入了逻辑对齐和连接约束两种新技术来对候选文档进行重排序，从而增强检索相关性。此外，我们构建了一个包含负约束查询的新数据集 NegConstraint，以评估我们的 NS-IR 在此类复杂信息检索场景下的性能。我们的大量实验表明，NS-IR 不仅在网页搜索和低资源检索任务中实现了卓越的零样本检索性能，而且在负约束查询上表现更好。我们的源代码和数据集可在 https://github.com/xgl-git/NS-IR-main 获取。
引用
@article{arxiv.2505.22299,
title = {Logical Consistency is Vital: Neural-Symbolic Information Retrieval for Negative-Constraint Queries},
author = {Ganlin Xu and Zhoujia Zhang and Wangyi Mei and Jiaqing Liang and Weijia Lu and Xiaodong Zhang and Zhifei Yang and Xiaofeng Ma and Yanghua Xiao and Deqing Yang},
journal= {arXiv preprint arXiv:2505.22299},
year = {2025}
}
备注
Accepted by ACL 2025