A semantic framework for enhancing pseudo-relevance feedback with soft negative sampling and contrastive learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the field of information Retrieval (IR), Pseudo-relevance feedback (PRF) and Query Expansion (QE) techniques have garnered significant attention for their efficacy in enhancing retrieval effectiveness. However, traditional PRF approaches predominantly concentrate solely on pseudo-relevant documents identified during the initial retrieval stage, neglecting the rich semantic information embedded within non-pseudo-relevant documents. This paper introduces an innovative PRF model that integrates soft negative samples and contrastive learning to address this limitation, aiming for a more comprehensive capture and representation of semantics. First, we employ the BM25 algorithm as the baseline retrieval mechanism to accurately pinpoint pseudo-relevant documents from the first stage retrieval and assign weights to their terms. Second, a contrastive learning strategy is introduced to distill semantic features from all documents globally, further refining the semantic weights of terms. To mitigate the risk of information loss associated with soft negative samples, we ingeniously leverage the statistical properties of kernel function to precisely gauge the co-occurrence frequencies between terms, ensuring the preservation of core information and thus obtaining kernel function term co-occurrence weights. Third, we select semantically related terms highly relevant to the query for creating an optimized query by balancing these three weight distributions. Extensive empirical analyses conducted on several TREC datasets demonstrate the practical feasibility of our proposed model. It outperforms baseline models and state-of-the-art technologies on core evaluation metrics such as MAP, P@10, NDCG, and MRR. Deeper comparative experiments and case studies reveal that the expansion terms generated by our model exhibits a deeper level of semantic coherence with the original query, underscoring the dual advantages of the model in both theory and practice. In summary, the model presented herein not only opens a new path at the technical level, but also provides a more accurate and efficient solution for real-world applications in IR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle