SLEDGE：一种简洁而有效的 COVID-19 科学知识检索基线
信息检索
2020-08-04 v3 计算与语言
摘要
随着全球对严重急性呼吸综合征冠状病毒 2（SARS-CoV-2）的关注，关于该病毒的文献正快速增多。临床医生、研究人员与政策制定者需要一种有效检索这些文章的方式。在本工作中，我们提出一个名为 SLEDGE 的检索系统，其利用 SciBERT 有效地对文章重排序。我们在通用领域答案排序数据集上训练模型，并将相关性信号迁移至 SARS-CoV-2 上进行评估。我们观察到 SLEDGE 在 TREC-COVID 评测中作为强基线十分有效（以 nDCG@10 为 0.6844 位居榜首）。详细分析所提供的见解给出了一些值得探索的未来方向，包括按日期过滤的重要性，以及更依赖计数信号的神经方法的潜力。我们在 https://github.com/Georgetown-IR-Lab/covid-neural-ir 发布代码以促进这一关键任务的后续工作。
引用
@article{arxiv.2005.02365,
title = {SLEDGE: A Simple Yet Effective Baseline for COVID-19 Scientific Knowledge Search},
author = {Sean MacAvaney and Arman Cohan and Nazli Goharian},
journal= {arXiv preprint arXiv:2005.02365},
year = {2020}
}