面向分面查询示例检索的多层次融合
信息检索
2024-12-03 v1 人工智能
计算与语言
摘要
随着对精细化用户意图的日益需求，基于分面查询示例 (QBE) 的检索——即在特定分面条件下检索相似文档——近日受到关注。然而，先前的方法主要依赖于基于引用等基本指标的数据库级比较；由于缺乏分面级别相关数据集，这限制了其在引用数据域之外的应用，并难以捕捉分面约束的细微差异。在本文中，我们提出了一种多层次融合 (FaBle) 数据增强方法，通过分解和重组来显式合成分面特定的训练集。我们自动将文档分解为分面单元，并通过利用大语言模型的内在区分能力生成 (ir) 相关对；然后，动态重组单元导致分面感知的文档对。我们的模块化方法消除了对预定义分面知识或标签的需求。进一步，为证明 FaBle 在引用数据科学论文检索之外的新领域的有效性，我们发布了一个用于教育考试题目 QBE 的基准数据集。FaBle 在 1K 文档上的数据增强在获取分面条件嵌入方面取得显著效果。
引用
@article{arxiv.2412.01443,
title = {Multi-Facet Blending for Faceted Query-by-Example Retrieval},
author = {Heejin Do and Sangwon Ryu and Jonghwi Kim and Gary Geunbae Lee},
journal= {arXiv preprint arXiv:2412.01443},
year = {2024}
}