基于弱监督的段落排序
信息检索
2019-06-05 v2 计算与语言
摘要
本文基于数据编程范式（Ratner等，2016）提出一种用于神经排序任务的弱监督框架，该框架使我们能够利用来自不同来源的多个弱监督信号。在实验中，我们考虑两类弱监督信号来源：无监督排序函数与语义特征相似度。我们在该弱监督框架中训练了一个基于BERT的段落排序模型（该模型在完全监督下于两个基准数据集上取得了新的最先进性能）。在不使用真实训练标签的情况下，BERT-PR模型在所有三个数据集上大幅超越BM25基线，甚至在其中的两个数据集上击败了此前完全监督下的最先进结果。
引用
@article{arxiv.1905.05910,
title = {Passage Ranking with Weak Supervision},
author = {Peng Xu and Xiaofei Ma and Ramesh Nallapati and Bing Xiang},
journal= {arXiv preprint arXiv:1905.05910},
year = {2019}
}
备注
6 pages, 1 figure