RLStop：基于强化学习的 TAR 停止规则
信息检索
2024-06-10 v2
摘要
我们提出了 RLStop，这是一种基于强化学习的新型技术辅助审查（TAR）停止规则，通过强化学习训练得到的模型能够帮助最小化 TAR 应用中需要手动审查的文档数量。RLStop 使用训练得到的排序示例和奖励函数，以识别检查文档的最优停止点。在多个基准数据集（CLEF e-Health、TREC Total Recall 和 Reuters RCV1）上，在不同目标召回水平下进行的实验表明，RLStop 在收集文档相关性进行筛查时显著减少了所需的工作量。RLStop 在广泛的替代方法中取得了优异性能，在某些情况下，达到了该任务在可能性最高情况下的性能水平。
引用
@article{arxiv.2405.02525,
title = {RLStop: A Reinforcement Learning Stopping Method for TAR},
author = {Reem Bin-Hezam and Mark Stevenson},
journal= {arXiv preprint arXiv:2405.02525},
year = {2024}
}
备注
Accepted at SIGIR 2024