稀疏、稠密和学习稀疏检索的生成和伪相关反馈
摘要：将生成式关联反馈（GRF）扩展到稠密和学习的稀疏检索模式，通过对六个标准文档排名基准进行实验。我们发现，GRF在精确性和召回率导向的指标上比可比的PRF技术提高了约10％。尽管如此，查询分析显示GRF和PRF具有相反的好处，GRF提供了第一次检索中不存在的外部上下文，而PRF将查询固定在目标语料库中的信息上。因此，我们建议将生成式和伪关联反馈排名信号相结合，以实现两个反馈类别的优势，这在95％的实验中显着提高了对PRF方法的召回率。
作者：Iain Mackie, Shubham Chatterjee, Jeffrey Dalton
论文ID：2305.07477
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-05-15