GRM：利用关联感知样本估计进行生成式相关模型的文档检索
摘要：用大型语言模型（LLMs）生成的文本进行生成相关反馈（GRF）的最近研究表明，可以增强查询扩展的效果。然而，LLMs可能会生成无关的信息，从而影响检索效果。为了解决这个问题，我们提出了使用相关感知样本估计（RASE）的生成相关建模（GRM），以更准确地对扩展术语进行加权。具体而言，我们为每个生成的文档识别相似的真实文档，并使用神经排序器估计它们的相关性。对三个标准文档排名基准的实验表明，GRM将MAP提高了6-9％，R@1k提高了2-4％，超过了之前的方法。
作者：Iain Mackie, Ivan Sekulic, Shubham Chatterjee, Jeffrey Dalton, Fabio Crestani
论文ID：2306.09938
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-06-19