区域拼写惯例对检索模型的影响

神经排序模型的一个优势在于其旨在同义情况下（即两个词具有相似或相同含义）良好地泛化。在本文中，我们研究并量化了各种排序模型在一类明确的同义情形下的表现：当词语仅因区域拼写惯例差异而呈现不同表面形式时（例如 color 与 colour）。我们首先探讨了用于神经检索方法预训练、训练和评估的数据集中美式与英式英语拼写惯例的普遍程度，发现美式拼写惯例远为普遍。尽管训练数据存在这些偏差，我们发现检索模型在此同义情形下通常能良好泛化。我们探究了文档拼写归一化在检索中的影响，观察到所有模型都受到文档拼写归一化的影响。当归一化为与查询不同的拼写惯例时，它们均出现性能下降；而当文档被归一化为与查询相同的拼写惯例时，我们观察到不同行为：词法模型表现提升，稠密检索器不受影响，重排序器则表现出矛盾行为。