RRF102：以 100+ 次运行集成应对 TREC-COVID 挑战

Michael Bendersky; Honglei Zhuang; Ji Ma; Shuguang Han; Keith Hall; Ryan McDonald

RRF102：以 100+ 次运行集成应对 TREC-COVID 挑战

信息检索 2020-10-02 v1 计算与语言

作者: Michael Bendersky , Honglei Zhuang , Ji Ma , Shuguang Han , Keith Hall , Ryan McDonald

摘要

在本文中，我们报告参与 TREC-COVID 挑战的结果。为应对为快速演化的生物医学语料构建搜索引擎的挑战，我们提出一种简单而有效的加权层次排序融合方法，将来自（a）词法与时义检索系统、（b）预训练与微调的 BERT 排序器、以及（c）相关性反馈运行的 102 次运行集成在一起。我们的消融研究展示了各系统对整体集成的贡献。所提交的集成运行在 TREC-COVID 挑战的第 4 与第 5 轮中取得了 SOTA 性能。

关键词

信息检索排序融合 TREC-COVID BERT 排序器相关性反馈集成

引用

@article{arxiv.2010.00200,
  title  = {RRF102: Meeting the TREC-COVID Challenge with a 100+ Runs Ensemble},
  author = {Michael Bendersky and Honglei Zhuang and Ji Ma and Shuguang Han and Keith Hall and Ryan McDonald},
  journal= {arXiv preprint arXiv:2010.00200},
  year   = {2020}
}

备注

14 pages

RRF102：以 100+ 次运行集成应对 TREC-COVID 挑战

摘要

关键词

引用

备注

相关论文