面向高效单遍稠密检索的离线伪相关反馈
信息检索
2023-08-22 v1
摘要
稠密检索在信息检索（IR）中取得了显著进展，在单遍检索过程中保持在线效率的同时实现了高有效性。然而，应用伪相关反馈（PRF）以进一步提升检索有效性会使在线延迟翻倍。为应对该挑战，本文提出一种单遍稠密检索框架，通过利用预生成的伪查询将 PRF 过程移至离线。因此，在线检索简化为与伪查询的单次匹配，从而提供更快速的在线检索。所提方法在标准 TREC DL 与 HARD 数据集上进行了有效性评估，结果展示了其潜力。我们的代码已开源于 https://github.com/Rosenberg37/OPRF。
引用
@article{arxiv.2308.10191,
title = {Offline Pseudo Relevance Feedback for Efficient and Effective Single-pass Dense Retrieval},
author = {Xueru Wen and Xiaoyang Chen and Xuanang Chen and Ben He and Le Sun},
journal= {arXiv preprint arXiv:2308.10191},
year = {2023}
}
备注
Accepted at SIGIR2023