UNIMIB 参与 TREC 2021 临床试验赛道
信息检索
2022-07-28 v1 计算与语言
摘要
本文总结了 UNIMIB 团队参与 TREC 2021 临床试验赛道的情况。我们研究了不同查询表示与若干检索模型结合对检索性能的影响。首先，我们实现了神经重排序方法以考察稠密文本表示的有效性。此外，我们研究了一种用于相关性估计的新型决策论模型的有效性。最后，将上述两种相关性模型与标准检索方法进行了比较。具体而言，我们将关键词提取方法与基于 BM25 模型的标准检索过程以及利用该特定搜索任务特征的决策论相关性模型相结合。所得结果表明，所提出的关键词提取方法在与传统或决策论相关性模型结合时，相对于 TREC 的 NDCG@10 中位数度量提升了 84% 的查询。此外，在 RPEC@10 方面，所采用的决策论模型相对于所报告的 TREC 中位数提升了 85% 的查询。
引用
@article{arxiv.2207.13514,
title = {UNIMIB at TREC 2021 Clinical Trials Track},
author = {Georgios Peikos and Oscar Espitia and Gabriella Pasi},
journal= {arXiv preprint arXiv:2207.13514},
year = {2022}
}
备注
This contribution summarizes the participation of the UNIMIB team to the TREC 2021 Clinical Trials Track. (6 pages)