有效的Adhoc搜索的生成式查询重构
摘要：自动重构用户查询是信息检索中常用的一种范式，旨在提高效果，如伪相关反馈方法所示，扩展查询以缓解词汇不匹配问题。生成式语言模型的最新进展表明它们能够生成与给定提示相关的响应。鉴于此成功，我们试图研究这些模型在执行查询重构方面的能力，并与使用伪相关反馈的长期查询重构方法进行比较。具体而言，我们研究了两个代表性的查询重构框架，GenQR和GenPRF。GenQR直接重构用户的输入查询，而GenPRF通过利用伪相关反馈信息为查询提供附加上下文。对于每种重构方法，我们利用不同的技术，包括微调和直接提示，来利用语言模型的知识。生成模型产生的重构查询被证明可以显著提高基于四个TREC测试集（从TREC 2004 Robust到TREC 2019 Deep Learning）的最先进检索流程的效果。此外，我们的结果表明，我们研究的生成模型可以胜过各种统计查询扩展方法，同时与其他现有的复杂神经查询重构模型相媲美，并且实现起来更简单。
作者：Xiao Wang, Sean MacAvaney, Craig Macdonald, Iadh Ounis
论文ID：2308.00415
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-08-02