使用RPRS进行超长查询和文档的检索：一种高效且有效的基于Transformer的重新排序器
摘要：基于新颖的比例相关性分数（RPRS）的重新排名器在查询与前k个候选文档之间计算相关性分数。我们广泛的评估结果显示，RPRS在五个不同的数据集上的性能明显优于现有模型。此外，RPRS非常高效，因为所有文档都可以在查询之前进行预处理、嵌入和索引，这使得我们的重新排名器具有O(N)的复杂度，其中N是查询和候选文档中的句子总数。此外，我们的方法解决了QBD检索任务中的低资源训练问题，因为它不需要大量的训练数据，只有三个参数的范围有限，即使只有少量的标记数据可用，也可以通过网格搜索进行优化。我们的详细分析表明，RPRS受益于覆盖候选文档和查询的完整长度。
作者：Arian Askari, Suzan Verberne, Amin Abolghasemi, Wessel Kraaij, Gabriella Pasi
论文ID：2303.01200
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-03-03