克服低效用面以进行复杂答案检索
信息检索
2018-11-22 v1
摘要
许多问题无法简单作答；其答案必须包含大量细微细节与附加背景。复杂答案检索（CAR）即是针对此类问题的答案检索。在最简单的形式中，这些问题由主题实体（如“cheese”）和面（如“health effects”）构成。尽管主题匹配已被充分研究，我们观察到某些面使用了通用语言，不太可能逐字出现在答案中。我们称之为低效用面。本工作中，我们提出一种识别并处理低效用面的 CAR 方法。我们提出两种面效用估计量，包括利用 CAR 查询的层次结构以及使用训练数据中的面频率信息。为提升在低效用标题下的检索性能，我们还引入了基于知识图谱嵌入的实体相似度分数。我们将所提方法应用于一种领先的神经排序技术，并使用 TREC CAR 数据集进行评估。我们发现该方法显著优于未修改的神经排序器及其他领先的 CAR 技术。我们还对结果作了详细分析，并证实低效用面确实更难匹配，且我们的方法提升了这些困难查询的性能。
引用
@article{arxiv.1811.08772,
title = {Overcoming low-utility facets for complex answer retrieval},
author = {Sean MacAvaney and Andrew Yates and Arman Cohan and Luca Soldaini and Kai Hui and Nazli Goharian and Ophir Frieder},
journal= {arXiv preprint arXiv:1811.08772},
year = {2018}
}
备注
This is a pre-print of an article published in Information Retrieval Journal. The final authenticated version (including additional experimental results, analysis, etc.) is available online at: https://doi.org/10.1007/s10791-018-9343-0