الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

نماذج دلالية رائعة لاسترجاع المرحلة الأولى



مذهل

ملحوظة:

  • قائمة منسقة من الأوراق الرائعة للاسترجاع الدلالي ، بما في ذلك بعض الأساليب المبكرة والنماذج العصبية الحديثة لمهام استرجاع المعلومات (على سبيل المثال ، استرجاع مخصص ، ضمان الجودة المفتوح ، ضمان الجودة المجتمعي ، والمحادثة التلقائية).
  • بالنسبة للباحثين الذين يرغبون في الحصول على نماذج دلالية لإعادة تشغيل المراحل ، فإننا نشير إلى القراء إلى استطلاع Neuir الرائع من قِبل Guo et.al.
  • أي ردود فعل ومساهمة مرحب بها ، يرجى فتح مشكلة أو الاتصال بي.

محتويات

  • ورقة المسح
  • الفصل 1: الاسترجاع القائم على المصطلح الكلاسيكي
  • الفصل 2: ​​الأساليب المبكرة لاسترجاعها الدلالي
    • توسيع الاستعلام
    • توسيع الوثيقة
    • نموذج التبعية مصطلح
    • نموذج الموضوع
    • نموذج الترجمة
  • الفصل 3: الأساليب العصبية لاسترجاعها الدلالي
    • طرق استرجاع متناثرة
    • طرق استرجاع كثيفة
    • طرق استرجاع هجينة
  • الفصل 4: موارد أخرى
    • مهام أخرى
    • مجموعات البيانات
    • طرق الفهرسة

ورقة المسح

  • المطابقة الدلالية في البحث （Li et al. ، 2014）
  • المحولات المسبق لترتيب النص: Bert و Beyond （Lin et al. ، 2021 ، Arxiv）
  • النماذج الدلالية لاسترجاع المرحلة الأولى: مراجعة شاملة （Guo et al. ، 2021 ، Tois） Image-20191107150755839
  • إطار مفاهيمي مقترح لنهج تمثيلي لاسترجاع المعلومات （Lin et al. ، 2021 ، Arxiv）
  • طرق ما قبل التدريب في استرجاع المعلومات （Fan et al. ، 2022 ، Arxiv） Image-20191107150755839
  • استرجاع النص الكثيف بناءً على نماذج اللغة المسبق: مسح （Zhao et al. ، 2022 ، Arxiv） Image-20191107150755839
  • استرجاع كثيف منخفض الموارد للإجابة على أسئلة المجال المفتوح: دراسة استقصائية شاملة （Shen et al. ، 2022 ، Arxiv） Image-20191107150755839
  • ملاحظات محاضرة حول استرجاع المعلومات العصبية （Tonellotto et al. ، 2022 ، Arxiv） Image-20191107150755839

استرجاع مصطلح كلاسيكي

  • نموذج مساحة متجه للفهرسة التلقائية （1975 ، VSM ）
  • التطورات في استرجاع النص التلقائي （1991 ، TFIDF ）
  • نهج التزحلق على مصطلح في استرجاع النص التلقائي （1988 ، TFIDF ）
  • صلة الترجيح لمصطلحات البحث （1976 ، BIM ）
  • الأساس النظري لاستخدام بيانات التزامن المشترك في استرجاع المعلومات （1997 ، نموذج الاعتماد على الأشجار ）
  • إطار الصلة الاحتمالية: BM25 وما بعده （2010 ، BM25 ）
  • نهج نمذجة اللغة لاسترجاع المعلومات （1998 ، QL ）
  • نماذج اللغة الإحصائية لاسترجاع المعلومات （2007 ، LM لـ IR ）
  • نموذج لغة فرط geometric ووظيفة تسجيل تشبه ZIPF لاسترجاع تشابه وثيقة الويب （2010 ، LM لـ IR ）
  • النماذج الاحتمالية لاسترجاع المعلومات بناءً على قياس الاختلاف عن العشوائية （2002 ، DFR ）

الطرق المبكرة للاسترجاع الدلالي

توسيع الاستعلام

  • نموذج عالمي
    • جمعيات الكلمات في أنظمة استرجاع المستندات （1969）
    • توسيع الاستعلام القائم على المفهوم （1993）
    • توسيع الاستعلام باستخدام العلاقات الدلالية المعجمية （1994）
    • باستخدام سياقات الاستعلام في استرجاع المعلومات （2007）
  • نموذج محلي
    • ردود الفعل ذات الصلة في استرجاع المعلومات （1971 ، Rocchio PRF ）
    • ردود الفعل المستندة إلى النموذج في نهج نمذجة اللغة لاسترجاع المعلومات （2001 ، نموذج التقليل من الاختلاف ）
    • UMass at TREC 2004: Novelty and Hard （2004 ، RM3 for PRF ）
    • اختيار شروط التوسع الجيدة للتغذية المرتدة ذات الصلة الزائفة （2008 ، PRF）
    • دراسة مقارنة لطرق تقدير نماذج لغة الاستعلام مع التعليقات الزائفة （2009）
    • ردود الفعل ذات الصلة الزائفة بناءً على عامل المصفوفة （2016）
    • تقليل خطر توسيع الاستعلام عن طريق التحسين المقيد القوي （2009 ， مشكلة الانجراف في الاستعلام ）
  • توسيع الاستعلام باستخدام تحليل المستندات المحلي والعالمي （2017）

توسيع الوثيقة

  • هيكل الجسم ونماذج اللغة واسترجاع المعلومات المخصصة （2004）
  • استرجاع قائم على الكتلة باستخدام نماذج اللغة （2004）
  • استرجاع معلومات نموذج اللغة مع توسيع المستند （2006）
  • توسيع المستندات بناءً على WordNet لـ Mirust IR （2010）
  • تحسين استرجاع النصوص القصيرة من خلال توسيع المستندات （2012）
  • توسيع المستند باستخدام المجموعات الخارجية （2017 ، المستند إلى WordNet ）
  • توسيع المستندات مقابل توسيع الاستعلام لاسترجاع AD-HOC （2005）

نموذج التبعية مصطلح

  • التجارب في فهرسة العبارة التلقائية لاسترجاع المستند: مقارنة بين الأساليب النحوية وغير المبتذلة （1987 ، تبعية VSM + مصطلح ）
  • نهج التزحلق على مصطلح في استرجاع النص التلقائي （1988 ، VSM + تبعية المصطلح ）
  • تحليل للعبارات الإحصائية والنحوية （1997 ، VSM + تبعية المصطلح ）
  • نموذج احتمالي لاسترجاع المعلومات: التطوير والتجارب المقارنة （2000 ، VSM + التبعية المصطلح ）
  • ترتيب الأهمية باستخدام kernels （2010 ، BM25 + التبعية المصطلح ）
  • نموذج لغة عام لاسترجاع المعلومات （1999 ، LM + التبعية ）
  • نماذج لغة Biterm لاسترجاع المستند （2002 ، LM + التبعية المصطلح ）
  • التقاط التبعيات على المدى باستخدام نموذج لغة يعتمد على أشجار الجملة （2002 ، التبعية LM + المصطلح ）
  • نموذج لغة الاعتماد لاسترجاع المعلومات （2004 ، LM + التبعية ）
  • نظرية توليدية للأهمية （2008）
  • نموذج حقل ماركوف العشوائي لتبعيات المصطلح （2005 ، SDM ）

نموذج الموضوع

  • نموذج مساحة المتجه المعمم في استرجاع المعلومات （1985 ، GVSM ）
  • الفهرسة عن طريق التحليل الدلالي الكامن （1990 ، LSI لـ IR ）
  • الفهرسة الدلالية الكامنة الاحتمالية （2017 ، PLSA ، الجمع خطيا ）
  • هيكل الجسم ، ونماذج اللغة ، واسترجاع المعلومات المخصصة （2004 ، تجانس )
  • تنظيم درجات استرجاع مخصص （2005 ، تنعيم ）
  • نماذج المستندات المستندة إلى LDA لاسترجاع AD-HOC （2006 ، LDA لـ IR و LDA للتنعيم LM ）
  • دراسة مقارنة لاستخدام نماذج الموضوع لاسترجاع المعلومات （2009 ، تنعيم ）
  • التحقيق في أداء المهمة لنماذج الموضوع الاحتمالية: دراسة تجريبية لـ PLSA و LDA （2010）
  • يفشل الفهرسة الدلالية الكامنة (LSI) في مجموعات TREC （2011）

نموذج الترجمة

  • استرجاع المعلومات كترجمة إحصائية （1999）
  • تقدير نماذج الترجمة الإحصائية على أساس المعلومات المتبادلة لاسترجاع المعلومات المخصصة （2010）
  • نماذج الترجمة المستندة إلى ClickTrough للبحث عن الويب: من نماذج الكلمات إلى نماذج العبارات （2010）
  • التحليل البديهي لنموذج لغة الترجمة لاسترجاع المعلومات （2012）
  • إعادة كتابة الاستعلام باستخدام الترجمة الآلية الإحصائية أحادية اللغة （2010 ، لتوسيع الاستعلام ）
  • نحو نماذج الترجمة المستندة إلى المفاهيم باستخدام سجلات البحث لتوسيع الاستعلام （2012 ، لتوسيع الاستعلام ）

الطرق العصبية لاسترجاع الدلالي

طرق استرجاع متناثرة

  • مصطلح إعادة التزحلق
    • تعلم شروط إعادة الوزن مع التمثيل الموزع （Zheng et al. ، 2015 ، Sigir ، Deeptr ）
    • دمج وتقييم تضمينات الكلمات العصبية في استرجاع المعلومات （Zuccon et al. ، 2015 ، ADCS ، NTLM ）
    • تمييز مصطلح التعلم （Frej et al ، 2020 ، Sigir ، TDV ）
    • تقدير الأهمية الجملة/الممر على دراية بالسياق لاسترجاع المرحلة الأولى （Dai et al. ، 2019 ، Arxiv ، Deepct ）
    • ترجيح مصطلح يدرك السياق لاسترجاع مرور المرحلة الأولى （Dai et al. ، 2020 ، Sigir ، Deepct ）
    • الآثار المترتبة على كفاءة الترجيح لاسترجاع الممر （Mackenzie et al. ، 2020 ، Sigir ، Deepct ）
    • مصطلح وثيقة مدركة للسياق للبحث المخصص （Dai et al. ، 2020 ، www ، HDCT ）
    • بعض الملاحظات الموجزة حول DeepImpact و Coil والإطار المفاهيمي لتقنيات استرجاع المعلومات （Lin et al. ، 2021 ، Arxiv ، Unicoil ）
  • توسع
    • توسيع المستندات عن طريق التنبؤ بالاستعلام （Nogueira et al. ، 2019 ، Arxiv ، Doc2Query ）
    • من doc2query إلى doctttttquery
    • إطار عمل موحد لترتيب المرور والتوسع （Yan et al. ، 2021 ، AAAI ، UED ）
    • الاسترداد المتمثل في التوليد لاستجواب أسئلة في المجال المفتوح （Mao et al. ، 2020 ، ACL ، GAR ، توسيع الاستعلام ）
  • التوسع + مصطلح إعادة التقييد
    • التوسع عن طريق التنبؤ بالأهمية مع السياق （Macavaney et al. ، 2020 ، Sigir ، Epic ）
    • sparterm: تمثيل متناثر قائم على مصطلح التعلم لاسترجاع النص السريع （Bai et al. ، 2020 ، Arxiv ، sparterm ）
    • Splade: نموذج معجمي وتوسيع متناثر لتصنيف المرحلة الأولى （الرسمية وآخرون ، 2021 ، Sigir ، Splade ）
    • Splade V2: نموذج معجمي وتوسيع متناثر لاسترجاع المعلومات （الرسمي وآخرون ، 2021 ، Arxiv ، Spladev2 ）
    • تأثيرات مرور التعلم على الفهارس المقلوبة （Mallia et al. ، 2021 ، Sigir ، Deepimapct ）
    • Tilde: نموذج احتمال مستقل لإعادة تشغيل المرور （Zhuang et al. ، 2021 ، Sigir ، Tilde ）
    • تم إعادة تشغيل الممر السريع مع توسيع الممر الدقيق للسياق وتوسيع الممر الفعال （Zhuang et al. ، 2021 ، Arxiv ، Tildev2 ）
    • Spade: تحسين التمثيلات المتفرقة باستخدام مشفر مستند مزدوج لاسترجاع المرحلة الأولى （Choi et al. ، 2022 ، CIKM）
  • تمثيل متناثر التعلم
    • التجزئة الدلالية （Salakhutdinov et al. ، 2009）
    • من إعادة التصنيف العصبي إلى الترتيب العصبي: تعلم تمثيل متفرق للفهرسة المقلوبة （Zamani et al. ، 2018 ، CIKM ، SNRM ）
    • UHD-Bert: تمثيلات متناثرة للغاية ذات أبعاد عالية للتصنيف الكامل （Jang et al. ، 2021 ، Arxiv ، UHD-Bert ）
    • استرجاع الممر الفعال مع التجزئة للإجابة على أسئلة المجال المفتوح （Yamada et al. ، 2021 ، ACL ، BPR ）
    • الكود المركب المتفرق التلقائي لاسترجاع المرحلة الأولى （Lassance et al. ، 2021 ، Sigir ، CCSA ）

طرق استرجاع كثيفة

  • تعتمد على الكلمات القائمة على الكلمات
    • تجميع تضمينات الكلمة المستمرة لاسترجاع المعلومات （Clinchant et al. ، 2013 ، ACL ، FV ）
    • نماذج استرداد المعلومات أحادية اللغة وعبر اللغات تستند إلى تضمينات الكلمات (ثنائية اللغة) （Vulic et al. ، 2015 ، Sigir）
    • تشابه نص قصير مع تضمينات الكلمات （Kenter et al. ، 2015 ، CIKM ، OOB ）
    • نموذج مساحة تضمين مزدوج لتصنيف المستندات （Mitra et al. ، 2016 ، Arxiv ، Desm ）
    • اقتراح استجابة اللغة الطبيعية الفعالة للرد الذكي （Henderson et al. ، 2017 ، Arxiv）
    • استرجاع من شامل إلى طرف في الفضاء المستمر （Gillick et al. ، 2018 ، Arxiv）
  • الإجابة على الأسئلة التي تم فهرستها: تحد جديد لفهم المستندات القابل للتطوير （Seo et al. ، 2018 ، EMNLP ، PIQA ）
  • استرجاع مرور كثيف للإجابة على أسئلة المجال المفتوح （Karpukhin et al. ، 2020 ، EMNLP ، DPR ）
  • جيل من أجل الاسترجاع لمهام NLP كثيفة المعرفة （Lewis et al. ، 2020 ، NIPS ، RAG ）
  • REPBERT: ضمور النص السياق لاسترجاع المرحلة الأولى （Zhan et al. ، 2020 ، Arxiv ، Repbert ）
  • CORT: التصنيفات التكميلية من Transformers （Wrzalik et al. ، 2020 ، NAACL ، CORT ）
  • DC-Bert: سؤال ووثائق لترميز السياق الفعال （Nie et al. ، 2020 ، Sigir ، DC-Bert ）
  • الاسترداد العصبي للإجابة على الأسئلة مع زيادة البيانات الخاضعة للاشتعال على البيانات （Yang et al. ، 2021 ، ACL ، زيادة البيانات ）
  • تقريبي أقرب جار سلبي التعلم التباين لاسترجاع النص الكثيف （Xiong et al. ، 2020 ، Arxiv ، ance ）
  • تعلم الاسترداد: كيفية تدريب نموذج استرجاع كثيف بشكل فعال وكفاءة （Zhan et al. ، 2020 ، Arxiv ، ltre ）
  • التوهج: شبكة الاهتمام الذاتي العالمية للوصول إلى الويب （Shan et al ، 2020 ، Arxiv ، Glow ）
  • نهج تدريب محسّن لاسترجاع المرور الكثيف للأسئلة المفتوحة في المجال المفتوح （qu et al. ، 2021 ، ACL ، Rocketqa ）
  • تدريس بكفاءة مسترد كثيف فعال مع أخذ عينات متوازنة مدروسة （Hofstätter et al. ، 2021 ، Sigir ، TAS متوازنة ）
  • تحسين تدريب نموذج الاسترجاع الكثيف مع السلبيات الصعبة （Zhan et al. ، 2021 ، Sigir ، Star/Adore ）
  • استرجاع كثيف محادثة قليلة （Yu et al. ، 2021 ، Sigir）
  • تعلم تمثيلات كثيفة للعبارات على نطاق
  • استرجاع كثيف أكثر قوة مع التعلم المزدوج المتناقض （Lee et al. ، 2021 ، ictir ، الرقص ）
  • الزوج: الاستفادة من علاقة التشابه المتمحورة حول الممر لتحسين استرجاع المرور الكثيف （Ren et al. ، 2021 ، ACL ، زوج ）
  • الإشراف الموجهة للأهمية لـ OpenQA مع Colbert （Khattab et al. ، 2021 ، TACL ، Colbert-QA ）
  • التدريب من طرف إلى طرف من قارئ الوضع متعدد المستردات للأسئلة المفتوحة للأسئلة المفتوحة （Sachan et al. ، 2021 ، Arxiv ، Emdr^2 ）
  • تحسين تمثيل الاستعلام لاسترجاع كثيف مع ردود الفعل ذات الصلة الزائفة （Yu et al ، 2021 ، CIKM ، ance-PRF ）
  • ردود الفعل ذات الصلة الزائفة للتمثيل المتعدد استرجاع كثيف （Wang et al. ، 2021 ، Ictir ، Colbert-PRF ）
  • مرتبة دلالية تمييزية لاسترجاع الأسئلة （Cai et al. ، 2021 ، ictir ، densetrans ）
  • تمثيل الفصل لاسترجاع مرور المجال المفتوح （وو وآخرون ، 2021 ، arxiv）
  • Rocketqav2: طريقة تدريب مشتركة لاسترجاع المرور الكثيف وإعادة تشغيل المرور （Ren et al. ، 2021 ، EMNLP ، Rocketqav2 ）
  • التدريب الفعال لنماذج الاسترجاع باستخدام ذاكرة التخزين المؤقت السلبية （Lindgren et al. ، 2021 ، Neupips）
  • تدريب متعدد المراحل مع تباين سلبي محسّن لاسترجاع الممر العصبي （Lu et al. ، 2021 ، EMNLP）
  • تحسين الاسترجاع على نطاق واسع القائم على التضمين من خلال تحسين الملصقات （Liu et al. ، 2021 ، EMNLP）
  • استرجاع هرمي كثيف للإجابة على أسئلة المجال المفتوح （Liu et al. ، 2021 ، EMNLP）
  • تمثيل مستند ثنائي العينين المحسن تدريجيًا لاسترجاع التضمين القابل للتطوير （Xiao er al. ، 2022 ， www）
  • LED: Retriever الكثيف المستنير معجم لاسترجاع واسع النطاق （Zhang et al. ، 2023 ، www）
  • aggretriever: نهج بسيط لتمثيل النص الإجمالي لاسترجاع الممر القوي الكثيف （Lin et al. ، 2022 ، Arxiv）
  • التعلم التباين المعروف بالجملة لاسترجاع مرور المجال المفتوح （وو وآخرون ، 2022 ، ACL）
  • تخصص مدرك للمهمة لاسترجاع كثيف وقوي للإجابة على أسئلة المجال المفتوح （Cheng et al. ، 2022 ، Arxiv）
  • تقطير المعرفة
    • تقطير تمثيل كثيف لترتيب باستخدام المعلمين المقترن بإحكام （Lin et al. ، 2020 ، Arxiv ، TCT-Colbert ）
    • تقطير المعرفة للدردشة القائمة على الاسترجاع （Tahami et al. ، 2020 ، Sigir）
    • تقطير المعرفة من القارئ إلى المسترد للإجابة على الأسئلة （Izacard et al. ، 2020 ، Arxiv）
    • هل Retriever مجرد تقريب للقارئ؟ （Yang et al. ، 2020 ، Arxiv）
    • تحسين نماذج تصنيف المستندات ثنائية الأزياء مع اثنين من المرتبة والتقطير متعدد المعلمين （Choi et al. ، 2021 ، Sigir ، TRMD ）
    • تحسين نماذج الترتيب العصبي الفعال مع تقطير المعرفة عبر الهندسة المعمارية （Hofstätter et al. ، 2021 ، Arxiv ، Margin-MSE ）
    • Twinbert: تقطير المعرفة لنماذج BERT مضغوطة منظمة من أجل الاسترجاع على نطاق واسع （Lu et al. ، 2022 ، Arxiv）
  • تمثيل متعدد المركز
    • استرجاع الفقرة متعددة القفص للأسئلة المفتوحة للمجال （Feldman et al. ، 2019 ، ACL ، Muppet ）
    • تمثيلات متناثرة ، كثيفة ، واهتمام لاسترجاع النص （Luan et al. ، 2020 ، TACL ، ME-BERT ）
    • كولبيرت: بحث فعال وفعال في المرور عبر التفاعل المتأخر السياق على بيرت （Khattab et al. ، 2020 ، سيجير ، كولبيرت ）
    • ملف: إعادة النظر في مطابقة المعجمية الدقيقة في استرجاع المعلومات مع قائمة مقلوبة سياق （Gao et al. ، 2021 ، كلوريد الصوديوم ، الملف ）
    • تحسين تمثيل الوثائق عن طريق توليد تضمينات الاستعلام الزائفة لاسترجاع كثيف （تانغ وآخرون ، 2021 ، ACL）
    • استرجاع العبارة يتعلم استرجاع الممر ، أيضًا （Lee et al. ، 2021 ، EMNLP ، عبارات كثيفة ）
    • استفسار تضمين التقليم لاسترجاع كثيف （Tonellotto et al. ، 2021 ، CIKM）
    • تعلم تمثيل المستندات متعددة العرض لاسترجاع كثيف المجال المفتوح （Zhang et al. ، 2022 ، ACL）
    • Colbertv2: استرجاع فعال وفعال عبر التفاعل الخفيف المتأخر （Santhanam ، 2022 ، NAACL）
    • تعلم تمثيلات وثيقة متنوعة مع تفاعلات الاستعلام العميقة لاسترجاعها الكثيف （Li et al. ، 2022 ، Arxiv）
    • النموذج المستند إلى تمثيل النص الحبيبي للموضوع لاسترجاع المستند （du et al. ، 2022 ، ICANN）
  • تسريع النماذج القائمة على التفاعل
    • دمج افتراض استقلال مصطلح الاستعلام لاسترجاع وترتيب فعال باستخدام الشبكات العصبية العميقة （Mitra et al. ، 2019 ، Arxiv）
    • الترتيب العصبي القائم على التفاعل الفعال مع التجزئة الحساسة المحلية （Ji et al. ، 2019 ، www）
    • Poly-Encoders: الهياكل واستراتيجيات ما قبل التدريب للتسجيل السريع والدقيق متعدد الجنسيات （Humeau et al. ، 2020 ، ICLR ، Poly-Encoders ）
    • إطار تصنيف مستندة إلى Transfomer （Gao et al. ، 2020 ، EMNLP ، Mores ）
    • إعادة تشغيل الوثيقة الفعالة للمحولات من خلال تمثيلات مصطلح precoliting （Macavaney et al. ، 2020 ، Sigir ، Prettr ）
    • تشوه: تحلل المحولات التي تم تدريبها مسبقًا للإجابة على أسئلة أسرع （Cao et al. ، 2020 ، ACL ، Deformer ）
    • Sparta: سؤال حول سؤال مجال مفتوح عن طريق استرجاع محول متناثر （Zhao et al. ، 2020 ، Arxiv ، Sparta ）
    • concormer-kernel مع استقلال مصطلح الاستعلام لاسترجاع المستند （Mitra et al. ، 2020 ، Arxiv）
    • inttower: الجيل القادم من نموذج اثنين من الفصح لنظام ما قبل الرابطة （Li et al. ، 2022 ، CIKM） Image-20191107150755839
  • قبل التدريب
    • استرجاع كامن للإجابة على سؤال حول المجال المفتوح الخاضع للإشراف بشكل ضعيف （Lee et al. ، 2019 ، ACL ، ORQA ）
    • نموذج اللغة المتمثل في الاسترجاع قبل التدريب （Guu et al. ، 2020 ، ICML ، Realm ）
    • مهام التدريب قبل التدريب لتوسيع نطاق الاسترجاع على نطاق واسع （Chang et al. ، 2020 ، ICLR ، BFS+WLP+MLM ）
    • هل نموذج لغتك جاهز للتمثيل الكثيف لضبط جيد؟
    • نموذج اللغة غير الخاضعة للإشراف على النموذج اللغوي المسبق للاسترجاع الكثيف （Gao et al. ، 2021 ، Arxiv ، Cocondenser ）
    • أقل من ذلك: ما قبل التدريب على تشفير سيامي قوي باستخدام وحدة فك ترميز ضعيفة （Lu et al. ، 2021 ، EMNLP ، مشفر البذور ）
    • نموذج لغة مدربة مسبقًا لاسترجاع الويب في Baidu Search （Liu et al. ، 2021 ، KDD）
    • التدريب المسبق لاسترجاع المخصص: الارتباط التشعبي هو أيضًا تحتاج إلى （Ma et al. ، 2021 ، Cikm ، Harp ）
    • مسبقا تدريب ترميز النص التمييزي لاسترجاع كثيف من خلال التنبؤ Spensive Span （Ma et al. ، 2022 ، Sigir）
    • TSDAE: باستخدام ترميز تلقائي للتسلسل المستند إلى المحولات للتعلم غير الخاضع للإشراف على التعلم （Wang et al. ، 2021 ، EMNLP）
    • القناع السياقي المشفر التلقائي لاسترجاع الممر الكثيف （Wu et al. ، 2022 ، Arxiv） Image-20191107150755839
    • Simlm: مسبق التدريب مع عنق الزجاجة التمثيل لاسترجاع الممر الكثيف （Wang et al. ، 2022 ، Arxiv） Image-20191107150755839
    • Lexmae: معجم بوتلنك برد لاسترجاع واسع النطاق （Shen et al. ، 2022 ، Arxiv） Image-20191107150755839
    • نهج التباين قبل التدريب لتعلم العدوى التمييزية للاسترجاع الكثيف （Ma et al. ، 2022 ، Cikm）
    • Retromae: نماذج لغة موجهة نحو الاسترجاع قبل التدريب عبر المشفر التلقائي المقنع （Xiao و Liu et al. ، 2022 ، EMNLP） Image-20191107150755839
    • نموذج لغة ما قبل التدريب الموجه نحو الاسترداد للاسترجاع لاسترجاع الممر الكثيف （Long et al. ، 2022 ، Arxiv） Image-20191107150755839
    • لابرادور: مسترجع كثيف غير خاضع للإشراف لاسترجاع نص صفر （Xu et al. ، 2022 ، ACL） Image-20191107150755839
    • أجهزة الترميز التلقائية المقنعة كمتعلمين موحدين لتمثيل الجملة المدربين قبل التدريب （Liu et al. ، 2022 ، Arxiv） Image-20191107150755839
    • ماجستير: أجهزة الترميز التلقائي المقنعة متعددة المهام التي تم نقلها مسبقًا هي مستردة أفضل كثيفة （Zhou et al. ، 2023 ، ICLR） Image-20191107150755839
    • COT-MAE V2: ANCOMER المقنعة السياقية مع النمذجة متعددة الرؤية لاسترجاع الممر （Wu et al. ، 2023 ، Arxiv） Image-20191107150755839
    • COT-MOTE: استكشاف التدريب التلقائي المقنعة على السياق مع الخبراء في الخبرة في مجال استرجاع الممر （Ma et al. ، 2023 ، Arxiv） Image-20191107150755839
  • التعلم المشترك مع الفهرس
    • التعلم المشترك لنموذج الاسترجاع العميق ومؤشر التضمين القائم على كمية المنتج （Zhang et al. ، 2021 ، Sigir ، Poeem ）
    • تحسين مشترك تشفير الاستعلام والكمية المنتج لتحسين أداء الاسترجاع （Zhan et al. ، 2021 ، CIKM ، JPQ ）
    • كمية المنتج الموجهة نحو المطابقة لاسترجاع مخصص （Xiao et al. ، 2021 ، EMNLP ، MOPQ ）
    • تعلم التمثيلات المنفصلة عبر التجميع المقيد لاسترجاع كثيف فعال وفعال （Zhan et al ، 2022 ، WSDM ، REPCONC ）
  • التعلم المشترك مع Ranker
    • التدريب الشامل للمستردين العصبيين للإجابة على أسئلة المجال المفتوح （Sachan et al. ، 2021 ، ACL）
    • رفاهية Retriever Retriever لاسترجاع النص الكثيف （Zhang et al. ، 2022 ، ICLR）
  • debias
    • تعلم نماذج استرجاع كثيفة قوية من ملصقات ذات صلة غير مكتملة （Prakash et al. ، 2021 ، Sigir ، Rance ）
    • السلبيات الصلبة أو السلبيات الخاطئة: تصحيح تحيز التجميع في تدريب نماذج الترتيب العصبي （Cai et al. ، 2022 ، CIKM）
    • سيمان: أخذ عينات سلبية بسيطة غامضة لاسترجاع النص الكثيف （Zhou et al. ، 2022 ، EMNLP） Image-20191107150755839
    • التعلم المتناقض المتباين لتمثيلات الجملة غير الخاضعة للإشراف （Zhou et al. ، 2022 ، ACL） Image-20191107150755839
    • استعادة الذهب من الرمال السوداء: استرجاع مرور كثيف متعدد اللغات مع عينات سلبية صلبة وخطبة （Shen et al. ، 2022 ، EMNLP） Image-20191107150755839
  • صفر طلقة/طلقة قليلة
    • استرجاع الصفر القائم على التضمين من خلال توليد الاستعلام （Liang et al. ، 2020 ، Arxiv）
    • استرجاع مرور عصبي صفر من خلال توليد أسئلة تركيبية مستهدفة المجال （Ma et al. ، 2020 ، Qgen ، Arxiv）
    • نحو نماذج استرجاع عصبية قوية مع التدريب قبل التدريب （Reddy et al. ، 2021 ، Arxiv）
    • بير: معيار غير متجانس لتقييم صفر طلقة لنماذج استرجاع المعلومات （Thakur et al. ، 2021 ، Neupips）
    • استرجاع كثيف صفر مع تمثيلات زخم عدوية ثابتة （شين وآخر
    • المشفرات المزدوجة الكبيرة هي المستردة القابلة للتعميم （ni et al. ، 2022 ، emnlp ، dtr ）
    • دلالات خارج المجال لإنقاذ! نماذج استرجاع هجينة صفر شوت （Chen et al. ، 2022 ، ECIR）
    • Inpars: زيادة البيانات لاسترجاع المعلومات باستخدام نماذج لغة كبيرة （Bonifacio et al. ، 2022 ، Arxiv）
    • نحو استرجاع المعلومات الكثيفة غير الخاضعة للرقابة مع التعلم التباين （Izacard et al. ، 2021 ، Arxiv ، Contrever ）
    • GPL: وضع العلامات الزائفة التوليدية للتكيف مع المجال غير الخاضع للإشراف لاسترجاع كثيف （Wang et al. ، 2022 ، NAACL）
    • تعلم استرداد الممرات دون إشراف （Ram et al. ، 2021 ، Arxiv ، Spider ）
    • فحص شامل على استرجاع كثيف الصفر （Ren et al. ، 2022 ، Arxiv）
    • ضمانات النص والرمز من خلال التدريب قبل التدريب （Neelakantan et al. ، 2022 ، Arxiv）
    • النمذجة غير المنفصلة للمجال وأهمية الاسترجاع الكثيف القابل للتكيف （Zhan et al. ، 2022 ، Arxiv）
    • Promsagator: استرجاع كثيف قليل من 8 أمثلة （Dai et al. ، 2022 ، Arxiv）
    • الأسئلة هي كل ما تحتاجه لتدريب مسترد تمرير كثيف （Sachan et al. ، 2022 ، TACL） Image-20191107150755839
    • Hyper: التدريب متعدد المهام المفرط يتيح تعميم استرجاع واسع النطاق （Cai et al. ، 2023 ، ICLR） Image-20191107150755839
    • Coco-DR: مكافحة تحولات التوزيع في استرجاع كثيف صفري مع التعلم المتناقض والقوي من الناحية التوزيعية （Yu et al. ، 2022 ، EMNLP） Image-20191107150755839
    • التحديات في التعميم في إجابة سؤال المجال المفتوح （Liu et al. ، 2022 ، NAACL） Image-20191107150755839
  • المتانة
    • نحو استرجاع كثيف قوي عبر محاذاة الترتيب المحلي （Chen et al. ، 2022 ، ijcai）
    • التعامل مع الأخطاء المطبعية لاسترجاع الممر القائم على Bert وترتيب （Zhuang et al. ، 2021 ، EMNLP）
    • تقييم متانة خطوط أنابيب الاسترجاع مع مولدات تباين الاستعلام （Penha et al. ، 2022 ، ECIR）
    • تحليل متانة المشفرات المزدوجة لاسترجاع كثيف ضد الأخطاء الإملائية （Sidiropoulos et al. ، 2022 ، Sigir）
    • الحرف والتعليم الذاتي لتحسين متانة المسترجعين الكثيفين على الاستعلامات مع الأخطاء المطبعية （Zhuang et al. ، 2022 ، Sigir）
    • بيرت رانكرز هش: دراسة باستخدام اضطرابات الوثائق العدائية （وانغ وآخرون ، 2022 ، ICTir）
    • أمر الطلب: هجمات الخصومة المقلدة لنماذج الترتيب العصبي Blackbox （Liu et al. ، 2022 ، Arxiv）
    • تدريب الاختتنام المُدرس على العنق المسبق لاسترجاع كثيف قوي （Zhuang et al. ، 2023 ، Arxiv） Image-20191107150755839
  • التحليل التحقيق
    • لعنة استرجاع المعلومات الكثيفة منخفضة الأبعاد لأحجام الفهرس الكبيرة （Reimers et al. ، 2021 ، ACL）
    • التخلص من التكرار البسيط والفعال غير الخاضع للإشراف لضغط المتجهات الكثيفة لاسترجاع الممر （Ma et al. ، EMNLP ، 2021 ، التكرار ）
    • بير: معيار غير متجانس لتقييم صفر لطيور نماذج استرجاع المعلومات （Thakur et al. ، 2021 ، Neupips ، نقل ）
    • العبارة البارزة الإدراك استرجاع كثيف: هل يمكن للمسترد الكثيف تقليد واحد متناثر؟ （Chen et al. ، 2021 ، Arxiv）
    • أسئلة بسيطة تتمحور حول الكيان تحدي المسترجعين الكثيفين （Sciavolino et al. ، 2021 ، EMNLP）
    • تفسير استرجاع كثيف كمزيج من الموضوعات （Zhan et al. ، 2021 ، Arxiv）
    • تحليل لإسناد التشفير للمسترد الكثيف في الإجابة على أسئلة المجال المفتوح （Li et al. ، 2022 ، TrustNLP）
    • يمكن أن يحسن التمثيل المتناسق في الاسترجاع الكثيف （Jung et al. ، 2022 ، Arxiv）
  • التعلم الفوري
    • نموذج ترتيب عصبي شبه سامسي ثنائي الأشرطة باستخدام صقل خفيف الوزن （Jung et al. ، 2022 ، www）
    • مبعثر أو متصل؟ نهج ضبط معلمة موفرة للمعلمة لاسترجاع المعلومات （Ma et al. ، 2022 ، CIKM） Image-20191107150755839
    • DPTDR: ضبط موجه عميق لاسترجاع مرور كثيف （تانغ وآخرون ، 2022 ، Arxiv） Image-20191107150755839
    • إن ضبط موجه المعلمة ، يجعل المستردون النصوص العصبية المعممة والمعايرة （تام وآخرون ، 2022 ، arxiv） Image-20191107150755839
    • NIR-Prompt: إطار تدريب على استرجاع المعلومات العصبية متعددة المهام （Xu et al. ، 2022 ، Arxiv） Image-20191107150755839
  • نموذج لغة كبير للاسترجاع
    • استرجاع كثيف الدقيق صفريًا بدون ملصقات صلة （Gao et al. ، 2022 ، Arxiv） Image-20191107150755839
  • آحرون
    • HLATR: تعزيز استرجاع النص متعدد المراحل مع محول القائمة الهجينة RERANKING （Zhang et al. ، 2022 ، Arxiv）
    • Asyncval: مجموعة أدوات للتحقق من صحة غير متزامنة بشكل غير متزامن نقاط التفتيش المستردة أثناء التدريب （Zhuang et al. ، 2022 ، Sigir） Image-20191107150755839

طرق استرجاع هجينة

  • تعتمد على الكلمات القائمة على الكلمات
    • نماذج استرداد المعلومات أحادية اللغة وعبر اللغات تستند إلى تضمينات الكلمات (ثنائية اللغة) （Vulic et al. ، 2015 ، Sigir ، الجمع خطيًا ）
    • نموذج لغة معمم قائم على تضمين الكلمات لاسترجاع المعلومات （Ganguly et al. ، 2015 ، Sigir ، GLM ）
    • تمثل المستندات والاستعلامات كمجموعات من المتجهات المدمجة للكلمات لاسترجاع المعلومات （Roy et al. ، 2016 ، Sigir ، يجمع خطيًا ）
    • نموذج مساحة تضمين مزدوج لتصنيف المستندات （Mitra et al. ، 2016 ، www ، desm_mixture ، يجمع خطيًا ）
    • Off the Beaten Path: دعنا نستبدل استرجاع المستند إلى المصطلح مع البحث K-NN （Boytsov et al. ، 2016 ، CIKM ، BM25+Translation Model ）
  • تعلم تمثيلات هجينة لاسترداد أسئلة مكافئة بشكل دلالي （Santos et al. ، 2015 ، ACL ، Bow-CNN ）
  • في الوقت الحقيقي ، الإجابة على سؤال في المجال المفتوح مع فهرس العبارة الكثيفة （Seo et al. ، 2019 ، ACL ، Denspi ）
  • تمثيلات متفرقة للسياق لسؤال المجال المفتوح في الوقت الفعلي （Lee et al. ، 2020 ، ACL ، SPARC ）
  • CORT: التصنيفات التكميلية من Transformers （Wrzalik et al. ، 2020 ، NAACL ، CORT_BM25 ）
  • تمثيلات متناثرة ، كثيفة ، وانتظار لاسترجاع النص （Luan et al. ، 2020 ، TACL ، ME-HYBRID ）
  • استكمال نموذج الاسترجاع المعجمي مع التضمينات المتبقية الدلالية （Gao et al. ، 2020 ، ECIR ، واضح ）
  • الاستفادة من المطابقة الدلالية والمعجمية لتحسين استدعاء أنظمة استرجاع المستندات: نهج هجين （Kuzi et al. ، 2020 ، Arxiv ، Hybrid ）
  • بعض الملاحظات الموجزة حول DeepImpact و Coil والإطار المفاهيمي لتقنيات استرجاع المعلومات （Lin et al. ، 2021 ، Arxiv ، Unicoil ）
  • ترجيح الأهمية غير المتصلة بالسياق للاسترجاع العصبي الفعال والفعال （Chen et al. ، 2021 ، Sigir）
  • التنبؤ باختيار استراتيجية الكفاءة/الفعالية للاختيار استراتيجية الاسترجاع الكثيفة مقابل الانتشار （أرابزاده وآخرون ، 2021 ، CIKM）
  • فهارس سريعة الأمام لتصنيف المستندات الفعالة （Leonhardt et al. ، 2021 ، Arxiv）
  • تكثيف تمثيلات متفرقة لاسترجاع المرور عن طريق التقطيع التمثيلي （Lin et al. ، 2021 ، Arxiv）
  • uni er: مسترد غير محدد لاسترجاع واسع النطاق （Shen et al. ، 2022 ، arxiv）

موارد أخرى

مهام أخرى

  • البحث عن التجارة الإلكترونية
    • شبكة الفائدة العميقة للتنبؤ بمعدل النقر إلى الظهور （Zhou et al. ، 2018 ، KDD ، DIN ）
    • من الاسترجاع الدلالي إلى الترتيب الزوجي: تطبيق التعلم العميق في البحث عن التجارة الإلكترونية （Li et al. ، 2019 ، Sigir ، Jingdong）
    • شبكة متعددة المصالح مع توجيه ديناميكي للتوصية في Tmall （Li et al. ، 2019 ، Cikm ، Mind ، Tmall）
    • نحو الاسترجاع المخصص والدلالي: حل شامل للبحث عن التجارة الإلكترونية عن طريق تضمين التعلم （Zhang et al. ، 2020 ، Sigir ، DPSR ، Jingdong）
    • شبكة عميقة متعددة الفائدة للتنبؤ بمعدل النقر إلى طريق （Xiao et al. ، 2020 ، CIKM ، DMIN ）
    • استرجاع عميق: نموذج بنية قابلة للتعلم من طرف إلى طرف لتوصيات واسعة النطاق （Gao et al. ، 2020 ، Arxiv）
    • استرجاع المنتج القائم على التضمين في بحث Taobao （Li et al. ، 2021 ، KDD ، Taobao）
    • احتضان بنية في بيانات بحث عن المنتجات الدلالية على نطاق مليار （Lakshman et al. ، 2021 ، Arxiv ، Amazon）
  • البحث برعاية
    • موبيوس: نحو الجيل القادم من مطابقة الاستعلام في البحث برعاية Baidu （Fan et al. ، 2019 ، KDD ، Baidu）
  • استرجاع الصورة
    • تجزئة الشبكة العصبية الثنائية لاسترجاع الصور （Zhang et al. ، 2021 ، Sigir ، BNNH ）
    • التجزئة العميقة للتكيف مع استعادة الصور （Lin et al. ، 2021 ، Cikm ، DSAH ）
  • تقرير عن أول ورشة Hipstir حول مستقبل استرجاع المعلومات （Dietz et al. ، 2019 ، Sigir ، Workshop）
  • دعونا نقيس وقت التشغيل! تمديد البنية التحتية للتكرار IR لتشمل جوانب الأداء （Hofstätter et al. ، 2019 ، Sigir）
  • الاسترجاع القائم على التضمين في Facebook Search （Huang et al. ، 2020 ، KDD ، EBR ）
  • تعلم الرموز المنفصلة d-way-way d-dimensial لتمثيل التضمين المدمج （Chen et al. ، 2018 ، ICML）

مجموعات البيانات

  • 【MS Marco】 MS Marco: مجموعة بيانات فهم القراءة التي تم إنشاؤها البشرية
  • 【TREC CAR
  • 【TREC DL】 نظرة عامة على مسار التعلم العميق TREC 2019
  • 【Trec covid】 Trec-covid: إنشاء مجموعة اختبار استرجاع معلومات الوباء

طرق الفهرسة

  • على أساس الأشجار
    • أشجار البحث الثنائية متعددة الأبعاد تستخدم للبحث النقابي （1975 ، شجرة KD ）
    • ضايق
  • قائم على التجزئة
    • أقرب جيران تقريبي: نحو إزالة لعنة الأبعاد （1998 ، LSH ）
  • القائم على القياس
    • كمية المنتج لأقرب بحث جار （2010 ، PQ ）
    • كمية المنتج المحسنة （2013 ، OPQ ）
  • يعتمد على الرسم البياني
    • التنقل في عالم صغير （2000 ، نيو ساوث ويلز ）
    • كفاءة وقوية أقرب بحث عن الجيران باستخدام الرسوم البيانية العالمية الصغيرة الصالحة للملاحة （2018 ، HNSW ）
  • مجموعات الأدوات
    • FAISS: مكتبة للبحث الفعال في التشابه وتجميع المتجهات الكثيفة
    • SPTAG: مكتبة لأقرب جار تقريبي سريع
    • OpenMatch: حزمة مفتوحة المصدر لاسترجاع المعلومات
    • Pyserini: مجموعة أدوات Python لأبحاث استرجاع المعلومات القابلة للتكرار مع تمثيلات متفرق وكثافة
    • Elasticsearch
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل