排序中文档组的查询暴露预测
信息检索
2024-01-25 v1
摘要
信息检索系统的主要目标是为用户提供与查询最相关的文档。为此，现代 IR 系统通常部署重排序流程：由轻量级第一阶段检索过程检索一组文档，随后由更有效但成本更高的模型进行重排序。然而，重排序流程的成功严重依赖于第一阶段检索的性能，因为在重排序阶段通常不会识别新文档。此外，这会影响特定文档组（如来自特定人口群体的文档）在最终排序中获得的暴露量。例如，若第一阶段检索返回的某些群体文档过少，则暴露的公平分配将更具挑战性或无法实现，因为排序中组文档的数量比文档位置对暴露的影响更大。有鉴于此，预测一组文档在第一阶段检索结果中可能获得的暴露量是有益的，以确保每组都包含足够数量的文档。本文引入查询暴露预测（QEP）这一新任务。具体而言，我们提出首个预测文档组在给定查询下将获得的暴露分布的方法。我们称为 GEP 的新方法利用来自各个文档组的词法信息，估计这些组在排序中将获得的暴露。我们在 TREC 2021 与 2022 公平排序测试集上的实验表明，我们提出的 GEP 方法产生的暴露预测，比经适配的现有查询性能预测与资源分配方法的预测准确率高出 40%。
引用
@article{arxiv.2401.13434,
title = {Query Exposure Prediction for Groups of Documents in Rankings},
author = {Thomas Jaenich and Graham McDonald and Iadh Ounis},
journal= {arXiv preprint arXiv:2401.13434},
year = {2024}
}