没有愚蠢问题：基于引用推荐的查询生成分析

Brian D. Zimmerman; Julien Aubert-Béduchaud; Florian Boudin; Akiko Aizawa; Olga Vechtomova

没有愚蠢问题：基于引用推荐的查询生成分析

信息检索 2025-06-11 v1 数字图书馆

作者: Brian D. Zimmerman , Julien Aubert-Béduchaud , Florian Boudin , Akiko Aizawa , Olga Vechtomova

摘要

现有的引用推荐技术受限于其对文章内容和元数据的依赖。我们利用 GPT-4o-mini 在批判性助手方面的潜在专业知识，指示它提出问题以暴露对科学文章片段的新见解。我们评估了这些问题作为检索查询的实用性，衡量其在检索和排序被遮蔽目标文件方面的效果。在某些情况下，生成的问题比同一模型生成的提取式关键词查询更有效。我们此外提出了 MMR-RBO，即一种使用秩偏重叠 (RBO) 的最大边际相关性 (MMR) 的变体，用于识别哪些问题将与关键词基准竞争。由于所有问题查询都产生独特的结果集，我们认为不存在愚蠢的问题。

关键词

引用推荐查询生成 GPT-4o-mini 检索秩偏重叠 MMR

引用

@article{arxiv.2506.08196,
  title  = {No Stupid Questions: An Analysis of Question Query Generation for Citation Recommendation},
  author = {Brian D. Zimmerman and Julien Aubert-Béduchaud and Florian Boudin and Akiko Aizawa and Olga Vechtomova},
  journal= {arXiv preprint arXiv:2506.08196},
  year   = {2025}
}

备注

6 pages, 5 figures, 2 tables

没有愚蠢问题：基于引用推荐的查询生成分析

摘要

关键词

引用

备注

相关论文