面向高召回神经信息检索的相关反馈策略
计算与语言
2023-11-28 v1
摘要
在许多信息检索应用（例如专利检索、文献综述、尽职调查等）中，防止漏检（假阴性）比防止误检（假阳性）更为重要。然而，旨在减少审阅工作量的方法（如“技术辅助审阅”）可能产生假阴性，因为它们通常基于主动学习系统，根据用户反馈自动排除文档。因此，本研究提出了一种更具召回导向的减少审阅工作量的方法。更具体地说，通过基于用户反馈迭代地重排相关性排序，这也被称为相关反馈。在我们提出的方法中，相关性排序由基于 BERT 的稠密向量检索产生，而相关反馈基于对所查询和所选嵌入的累积求和。我们的结果表明，在给定固定召回目标下，与基线方法（无反馈）相比，该方法可将审阅工作量减少 17.85% 至 59.04%。
引用
@article{arxiv.2311.15110,
title = {Relevance feedback strategies for recall-oriented neural information retrieval},
author = {Timo Kats and Peter van der Putten and Jan Scholtes},
journal= {arXiv preprint arXiv:2311.15110},
year = {2023}
}