Semantic Retrieval Models

第一阶段检索的很棒的语义模型

笔记：

• 精心策划的语义检索论文列表，包括一些早期方法和信息检索任务的最新神经模型（例如，临时检索，开放域QA，基于社区的QA和自动对话）。
• 对于想要获得语义模型的研究人员，我们将读者推荐给Guo et.al的Awesome Neuir调查。
• 欢迎任何反馈和贡献，请打开问题或与我联系。

内容

• 调查文件
• 第1章：基于经典术语的检索
• 第2章：语义检索的早期方法
  • 查询扩展
  • 文档扩展
  • 术语依赖模型
  • 主题模型
  • 翻译模型
• 第3章：语义检索的神经方法
  • 稀疏检索方法
  • 密集的检索方法
  • 混合检索方法
• 第4章：其他资源
  • 其他任务
  • 数据集
  • 索引方法

---

调查文件

• 搜索中的语义匹配（2014年）
• 验证的文本排名的变压器：Bert and Beyond（Lin等，2021，Arxiv）
• 第一阶段检索的语义模型：全面评论（Guo等，2021，Tois）
• 用于信息检索的代表性方法的概念框架（2021年），Arxiv）
• 信息检索的预训练方法（Fan等，2022，Arxiv）
• 基于预处理的语言模型的密集文本检索：调查（Zhao等，2022，Arxiv）
• 开放域问题的低资源量检索回答：全面调查（Shen等，2022，Arxiv）
• 关于神经信息检索的讲义（Tonellotto等，2022，Arxiv）

基于经典的术语检索

• 自动索引的矢量空间模型（1975， VSM ）
• 自动文本检索中的发展（1991年， TFIDF ）
• 自动文本检索中的术语加权方法1988， TFIDF ）
• 搜索词的相关权重（1976年， BIM ）
• 在信息检索中使用共发生数据的理论基础，1997年，树木依赖模型）
• 概率相关性框架：BM25及以后的2010年， BM25 ）
• 信息检索的语言建模方法（1998年）
• 信息检索的统计语言模型（2007， ir（ir）的LM ）
• Web文档相似性检索的超几何语言模型和类似ZIPF的评分功能2010， IR ）
• 信息检索的概率模型基于测量随机性的差异（2002， DFR ）

语义检索的早期方法

查询扩展

• 全球模型
  • 文档检索系统中的单词联合（1969年）
  • 基于概念的查询扩展（1993年）
  • （使用词汇语义关系（1994）查询扩展
  • 在信息检索中使用查询上下文（2007年）
• 本地模型
  • 信息检索中的相关反馈（1971年，罗科PRF ）
  • 基于模型的反馈在语言建模方法中的信息检索（2001，差异最小化模型）
  • TREC 2004年的UMass：新奇与硬（2004， RM3（PRF ）
  • 为伪相关反馈选择良好的扩展术语2008，PRF）
  • 一项比较研究用于估计使用伪反馈的查询语言模型的方法（2009年）
  • 基于矩阵分解的伪相关反馈（2016年）
  • 通过强大的约束优化降低查询扩展的风险，2009年，查询漂移问题）
• 使用本地和全球文档分析查询扩展（2017）

文档扩展

• 语料库结构，语言模型和临时信息检索2004年）
• 使用语言模型（2004年）基于群集的检索
• 语言模型信息检索（文档扩展）（2006年）
• 基于WordNet的文档扩展（适合IR（2010）
• 通过文档扩展改善简短文本的检索（2012年）
• 使用外部收藏的文档扩展（2017年，基于WordNet ）
• 文档扩展与临时检索的查询扩展相比，2005年）

术语依赖模型

• 自动短语索引的实验以进行文档检索：句法和非句法方法的比较（1987， vsm +项依赖性）
• 自动文本检索中的术语加权方法1988， VSM +项依赖性）
• 统计和句法短语（1997， VSM +项依赖性的分析）
• 信息检索的概率模型：开发和比较实验（2000， VSM +项依赖性）
• 相关性排名使用内核（2010， BM25 +项依赖性）
• 信息检索的一般语言模型1999， LM +术语依赖性）
• 文档检索的BITERM语言模型2002， LM +术语依赖性）
• 使用基于句子树的语言模型捕获术语依赖项（2002， lm +项依赖性）
• 信息检索的依赖语言模型（2004， LM +术语依赖性）
• 相关性的生成理论（2008年）
• 术语依赖项的Markov随机场模型（2005， SDM ）

主题模型

• 信息检索中的广义矢量空间模型（1985年， GVSM ）
• 通过潜在语义分析索引（1990， IR）的LSI
• 概率潜在的潜在语义索引（2017， PLSA，线性结合）
• 语料库结构，语言模型和临时信息检索2004，平滑）
• 正式化临时检索分数（2005，平滑）
• 基于LDA的基于临时检索的文档模型2006， IR的LDA和LDA（LM平滑）的LDA ）
• 利用主题模型进行信息检索的比较研究（平滑）
• 研究概率主题模型的任务绩效：PLSA和LDA（2010年的实证研究
• TREC集合（2011年）潜在语义索引（LSI）失败

翻译模型

• 信息检索作为统计翻译（1999年）
• 基于临时信息的共同信息的统计翻译模型的估计（2010年）
• 网络搜索的基于点击的转换模型：从单词模型到短语模型（2010）
• 信息检索的翻译语言模型的公理分析（2012年）
• 查询使用单语言统计计算机翻译（2010年（查询扩展）的重写）
• 使用搜索日志进行查询扩展（2012年（查询扩展）迈向基于概念的翻译模型）

语义检索的神经方法

稀疏检索方法

• 术语重新加权
  • 学习以分布式表示的重新授课。
  • 在信息检索中整合和评估神经单词嵌入（Zuccon等，2015，ADCS， NTLM ）
  • 学习术语歧视（FREJ等，2020，Sigir， TDV ）
  • 第一阶段检索的上下文感知句子/通过术语的重要性估计（dai等，2019，arxiv， deepct ）
  • 第一阶段通过的上下文感知术语加权检索（dai等，2020，Sigir， DeepCT ）
  • 效率的效率含义是通过检索的术语加权（Mackenzie等，2020，Sigir， DeepCT ）
  • 临时搜索的上下文感知文档期权加权（dai等，2020，www， hdct ）
  • 关于deepimpact，线圈和信息检索技术的概念框架的一些简短说明（Lin等，2021，Arxiv， Unicoil ）
• 扩张
  • 查询预测的文档扩展（Nogueira等人，2019年，Arxiv， Doc2Query ）
  • 从doc2query到docttttquery（nogueira等，2019，arxiv， docttttquery ）
  • 通行排名和扩展的统一预审计框架（Yan等，2021年，AAAI， UED ）
  • 开放域的生成检索回答（ao等，2020年，ACL， GAR ，查询扩展）（查询扩展）
• 扩展 +术语重新加权
  • 通过情境化的重要性预测（Macavaney等，2020，Sigir， Epic ）
  • Sparterm：基于学习术语的稀疏表示，用于快速文本检索（Bai等，2020，Arxiv， Sparterm ）
  • Splade：第一阶段排名的稀疏词汇和扩展模型（正式等，2021年，Sigir， Splade（Splade ）
  • Splade V2：信息检索的稀疏词汇和扩展模型（正式等，2021，arxiv， spladev2 ）
  • 倒数索引的学习段落的影响（Mallia等，2021，Sigir， Deepimimapct ）
  • Tilde：通道重新排行的术语独立可能的模型（Zhuang等，2021，Sigir， Tilde ）
  • 快速通过上下文化的精确项匹配和有效的段落扩展（Zhuang等，2021，Arxiv， Tildev2 ）
  • Spade：使用双文档编码器进行第一阶段检索的稀疏表示，Choi等，2022，CIKM）
• 稀疏表示学习
  • 语义散列（Salakhutdinov等，2009）
  • 从神经重新排列到神经排名：学习倒置索引的稀疏表示。
  • UHD-BERT：全排名的超高维度稀疏表示（Jang等人，2021年，Arxiv， UHD-Bert）（UHD-Bert ）
  • 有效的通道检索，带有空心域的问题回答（Yamada等，2021，ACL， BPR ）
  • 第一阶段检索的复合代码稀疏自动编码器（lassance等，2021，Sigir， CCSA ）

密集的检索方法

• 基于单词的
  • 汇总的连续单词嵌入信息检索（clinthant等，2013，ACL， FV ）
  • 基于（双语）单词嵌入的单语和跨语性信息检索模型（
  • 短文与单词嵌入的相似性（Kenter等人，2015年，CIKM， OOB ）
  • 文档排名的双重嵌入空间模型（Mitra等，2016，Arxiv， Desm ）
  • 智能回复的有效自然语言回应建议（Henderson等，2017，Arxiv）
  • 连续空间的端到端检索（Gillick et al。，2018，Arxiv）
• 短语索引问题回答：可扩展文档理解的新挑战（SEO等，2018，EMNLP， PIQA ）
• 开放域问题的密集通道检索回答（Karpukhin等，2020，EMNLP， DPR ）
• 知识密集型NLP任务的检索生成lewis等人，2020年，NIPS， RAG ）
• repbert：第一阶段检索的上下文化文本嵌入（Zhan等，2020，Arxiv， Repbert ）
• CORT：变形金刚的互补排名（wrzalik等，2020，NAACL， Cort ）
• DC-BERT：有效上下文编码（Nie等人，2020年，Sigir， DC-Bert ）的分解问题和文件
• 通过跨注意的监督数据增强（Yang等人，2021年，ACL，数据增强）的神经检索回答。
• 密集文本检索的近似最近的邻居负面学习（Xiong等，2020，Arxiv， Ance ）
• 学习检索：如何有效，高效地训练密集的检索模型，（Zhan等，2020，Arxiv， Ltre ）
• 发光：Web的全球加权自发网络（Shan等，2020，Arxiv， Glow ）
• 一种优化的训练方法，用于通用通道检索，用于开放域问题，回答（Qu等，2021，ACL， Rocketqa ）
• 有效地教授一个有效的密集检索器，以平衡的话题意识到抽样（Hofstätter等，2021，Sigir， Tas均衡）
• 用硬质底片优化密集的检索模型训练（Zhan等人，2021年，Sigir， Star/Adore ）
• 很少射击的对话密集检索（Yu等人，2021年，Sigir）
• 在规模上学习短语的密集表示。
• 与对比双学习（Lee等，2021年，ICTIR，舞蹈，更稳定的浓缩检索
• 一对：利用以通道为中心的相似性关系，以改善密集通道检索（Ren等，2021，ACL， Pair ）
• 相关性指导的OpenQA与Colbert（Khattab等人，2021年，TACL， Colbert-QA ）
• 多文档读取器和回猎犬的端到端培训答案（Sachan等人，2021年，Arxiv， EMDR^2 ）
• 通过伪相关性反馈（Yu等人，2021年，CIKM， ANCE-PRF ）改进查询表示的密集检索。
• 多种代表的伪相关反馈密集检索（Wang等，2021年，ICTIR， Colbert-prf ）
• 问题检索的歧视性语义排名（CAI等，2021，ICTIR， Densetrans ）
• 表示开放域通道检索的表示形式（2021年），Arxiv）
• ROCKETQAV2：一种致密通道检索和通道的联合训练方法（Ren等，2021年，EMNLP， RocketQAV2 ）
• 使用阴性缓存（Lindgren等，2021，Neurips（Neurips）对检索模型的有效培训
• 多阶段训练具有改进的神经通道检索的负面对比度（lu等，2021，EMNLP）
• 改善基于嵌入的大规模检索，通过标签增强（liu等，2021，EMNLP）
• 开放域问题的密集分层检索回答liu等，2021，EMNLP）
• 逐渐优化的双粒文档表示基于可扩展的基于嵌入的检索（Xiao er al。，2022，www）
• LED：大规模检索的词典启发的致密捕捞器，Zhang等，2023年，www）
• AggreTriever：一种简单的方法，用于汇总稳健密度通过检索的文本表示形式（2022年，Arxiv）
• 开放域通道检索的句子意识到的对比度学习（2022年，ACL）
• 对开放域问题的效率和强大的致密检索的任务感知专业化回答（Cheng等人，2022年，Arxiv）
• 知识蒸馏
  • 使用紧密耦合的教师dist林等人，2020年，Arxiv， TCT-Colbert ）提炼密集的表示形式
  • 蒸馏知识的基于快速检索的聊天机器人tahami等，2020，Sigir）
  • 将知识从读者到猎犬提出的问题回答（Izacard等，2020，Arxiv）
  • 猎犬仅仅是读者的近似值吗？Yang等，2020，Arxiv）
  • 用两个排名者和多教学蒸馏改进双重编码器文档排名模型。
  • 通过跨架构知识蒸馏改善有效的神经排名模型（Hofstätter等，2021，Arxiv， Margin-MSE损失）
  • Twinbert：将知识蒸馏到大规模检索的双结构压缩BERT模型（2022年），Arxiv）
• 多向量表示
  • 开放域问题的多跳段检索回答Feldman等人，2019年，ACL， Muppet ）
  • 文本检索的稀疏，密集和注意力表征，luan等，2020，tacl， me-bert ）
  • COLBERT：通过上下文化的晚期相互作用，与Bert（Khattab等人， 2020
  • 线圈：在信息检索中与上下文化倒置列表中的重新访问精确的词汇匹配（
  • 通过生成致密检索的伪查询嵌入来改善文档表示形式。
  • Lee等人，2021年，EMNLP，密集量
  • 查询嵌入修剪以进行密集检索（Tonellotto等，2021，CIKM）
  • 开放域致密检索的多视图文档表示学习（Zhang等，2022，ACL）
  • COLBERTV2：通过轻巧的晚期互动（Santhanam，2022年，NAACL）有效和有效检索
  • 通过深度查询相互作用来学习多样的文档表示，以供密集检索（li等，2022，Arxiv）
  • 主题元素文本表示文档检索的模型（du et al。，2022，iCann）
• 加速基于交互的模型
  • 使用深层神经网络（Mitra et al。
  • 有效基于相互作用的神经排名与局部敏感的哈希·JI等人，2019年，www）
  • 多层编码器：快速，准确的多句子评分的架构和训练策略（Humeau等，2020，ICLR， Poly-编码器（Poly-编码器）
  • 基于模块化的转运框架框架（高等，2020年，EMNLP， Mores ）
  • 通过预先计算术语表示（Macavaney等人，2020年，Sigir， Prettr ）对变压器的有效文档进行了重新排列
  • 变形器：分解预训练的变压器，以提高问题回答（CAO等，2020，ACL，变形者）
  • Sparta：有效的开放域问题通过稀疏变压器匹配检索（Zhao等，2020，Arxiv， Sparta ）
  • 具有查询术语独立性的构象 - 内核，用于文件检索（Mitra等，2020，Arxiv）
  • Inttower：预先级别系统的下一代两塔模型（Li等，2022，CIKM）
• 预训练
  • 弱监督的开放域问题的潜在检索回答lee等人，2019年，ACL， ORQA ）
  • 检索语言模型预训练（Guu等，2020，ICML， Realm ）
  • 基于嵌入的大规模检索的预训练任务（Chang等，2020，ICLR， BFS+WLP+MLM ）
  • 您的语言模型准备好密集表示吗？
  • 无监督的语料库意识语言模型的培训预取训练（高等，2021年，arxiv， cocondenser ）
  • 更少的是：使用弱解码器（lu等人，2021，EMNLP， SEED-编码器（SEED-编码器）预先训练强的暹罗编码器
  • BAIDU搜索中的Web尺度检索的预训练语言模型liu等，2021，KDD）
  • 临时检索的预培训：超链接也需要您需要（ma等，2021，CIKM， HARP ）
  • 预训练通过对比度跨度预测的歧视性文本编码器（2022年），Sigir）
  • TSDAE：使用基于变压器的顺序denoising自动编码器进行无监督的句子嵌入学习（Wang等，2021，EMNLP）
  • 图上下文蒙版自动编码器，用于浓密通道检索（Wu等，2022，Arxiv）
  • SIMLM：用代表瓶颈进行预训练，以进行密集的通道检索（Wang等，2022，Arxiv）
  • Lexmae：大规模检索的词典底层预处理（2022年），Arxiv）
  • 一种对比的预训练方法，用于学习密集检索的判别自动编码器，2022年，CIKM）
  • 逆转录：通过掩盖自动编码器（Xiao和Liu等人，2022年EMNLP的训练预取向语言模型（EMNLP）
  • 致密通道检索的面向检索掩蔽训练语言模型（2022年），Arxiv）
  • Laprador：无监督的预审预认证的捕获器，用于零弹性文本检索（Xu等，2022，ACL）
  • 蒙版自动编码器作为预训练句子表示的统一学习者（刘等，2022，arxiv）
  • 主人：多任务预训练的瓶颈蒙面自动编码器是更好的致密检索器（Zhou等，2023，ICLR）
  • COT-MAE V2：带有多视图模型的上下文掩盖自动编码器，用于通道检索（Wu等，2023，Arxiv）
  • COT-MOTE：探索上下文掩盖的自动编码器与文本特征的混合物进行预训练，以获取通道检索（Ma等，2023年，Arxiv）
• 与指数联合学习
  • 深度检索模型和基于产品量化索引指数的联合学习（Zhang等，2021，Sigir， Poeem ）
  • 共同优化查询编码器和产品量化以提高检索性能（Zhan等，2021，CIKM， JPQ ）
  • 临时检索（Xiao等人，2021年，EMNLP， MOPQ ）的匹配产品量化
  • 通过约束聚类学习离散表示，以进行有效，有效的密集检索（Zhan等，2022，WSDM， REPCONC ）
• 与等级的联合学习
  • 开放域的端到端培训对开放域的问题回答（Sachan等人，2021年，ACL）
  • 对抗性检索器级库，用于密集文本检索（Zhang等，2022，ICLR）
• Debias
  • 从不完整的相关性标签中学习强大的密集检索模型。
  • 艰苦的负面因素或假否定性：纠正训练神经排名模型中的池偏差（CAI等，2022，CIKM）
  • Simans：简单的模棱两可的负面抽样，以进行密集文本检索（Zhou等，2022，EMNLP）
  • 无监督句子表示的对比度学习（Zhou等，2022，ACL）
  • 从黑沙中恢复金：用硬和假阴性样品的多语言密集通道检索（Shen等，2022，EMNLP）
• 零射击/少量射击
  • 基于嵌入的零射击检索通过查询产生（Liang等，2020，Arxiv）
  • 零射门神经通道通过域名的合成问题生成（ma等，2020， QGEN ，ARXIV）
  • 朝着合成预训练（雷迪等人，2021年（arxiv）的稳健神经检索模型。
  • 贝尔：用于信息检索模型的零射门评估的异质基准（Thakur等，2021，Neurips）
  • 具有动量对抗结构域不变式表示零射击量的零射击检索。
  • 大型双重编码器是可推广的检索器（ni等，2022，EMNLP， DTR ）
  • 救援的语义外！零拍混合检索模型（Chen等，2022，ECIR）
  • INPARS：使用大语言模型的信息检索数据增强（Bonifacio等，2022，Arxiv）
  • 通过对比度学习（
  • GPL：无监督的域的生成伪标记，wang等，2022，NAACL）
  • 学习在没有监督的情况下检索段落（Ram等，2021，Arxiv， Spider ）
  • 对零拍的详细检查（2022，arxiv）的零射击检索
  • 文本和代码嵌入通过对比预训练（Neelakantan等，2022，Arxiv）
  • 域的解开建模和与适应性密集检索的相关性（Zhan等人，2022年，Arxiv）
  • 即要来源：从8个示例中的几乎没有射击的检索。
  • 您需要培训密集通道猎犬的全部问题（2022年，TACL）
  • Hyper：多任务超级提交训练可以实现大规模检索概括（CAI等，2023，ICLR）
  • 可可-DR：与对比度和分布稳健学习的零射击检索中的分布变化（Yu等人，2022年，EMNLP）
  • 开放域中的概括挑战回答liu等，2022，NAACL）
• 鲁棒性
  • 通过本地排名对准（
  • 处理基于BERT的通道检索和排名（Zhuang等人，2021年，EMNLP）
  • 用查询变化发生器评估检索管道的鲁棒性（Penha等，2022，ECIR）
  • 分析双重编码器的鲁棒性，以供拼写错误的检索（Sidiropoulos等，2022年，Sigir）
  • 角色伯特和自我教学，以改善与错别字（Zhuang等人（2022年，Sigir）在查询上的鲁棒性的鲁棒性
  • 伯特等级者很脆弱：使用对抗文档扰动的研究wang等，2022，ICTIR）
  • 订单序列：黑盒神经排名模型的模仿对抗攻击（Liu等，2022，Arxiv）
  • 稳健量检索的瓶颈预训练（Zhuang等人，2023
• 探测分析
  • 大型指数尺寸的密集低维信息检索的诅咒（Reimers等，2021，ACL）
  • 简单有效的无监督冗余消除，以压缩通道检索的密集矢量，EMNLP，2021，冗余）
  • 贝尔：用于信息检索模型的零拍评估的异质基准（Thakur等，2021，神经，可转移性）
  • 明显的短语意识到密集检索：一个密集的猎犬可以模仿稀疏的回收者吗？
  • 以简单实体为中心的问题挑战致密的检索器（Sciavolino等，2021，EMNLP）
  • 将密集检索解释为主题的混合物（Zhan等，2021，Arxiv）
  • 开放域中的密集通道检索器的编码器归因分析回答（Li等，2022，Trustnlp）
  • 各向同性表示可以改善致密检索（Jung等，2022，Arxiv）
• 及时学习
  • 使用轻质微调（Jung等人，2022年，www）的半 - 塞亚姆双重编码神经排名模型
  • 分散还是连接？信息检索的优化参数调谐方法（2022年，CIKM）
  • dptdr：深度提示调整密集通道检索（唐等，2022，arxiv）
  • 参数良好的提示调整使广义和校准的神经文本回收者（tam等，2022，arxiv）
  • NIR-PROMPT：多任务广义神经信息检索训练框架（Xu等，2022，Arxiv）
• 检索大型语言模型
  • 精确的零射击密集检索，没有相关性标签（高等，2022，Arxiv）
• 其他的
  • HLATR：使用混合列表的增强多阶段文本检索意识到变压器reranking（Zhang等，2022，Arxiv）
  • 异步：一种用于异步验证训练期间的密集检索器检查点的工具包（Zhuang等人，2022年，Sigir）

混合检索方法

• 基于单词的
  • 基于（双语）单词嵌入的单语和跨语性信息检索模型（
  • 基于单词嵌入信息检索的通用语言模型（Ganguly等，2015，Sigir， GLM ）
  • 表示文档和查询作为信息检索的单词嵌入式向量集（Roy等人，2016年，Sigir，线性结合）
  • 文档排名的双嵌入空间模型（MiTra等人，2016年，www， desm_mixture ，线性结合）
  • Off the Beaten Path：让我们用K-NN搜索（Boytsov等人替换基于术语的检索
• 学习混合表示以检索语义上等效的问题（Santos等，2015，ACL， Bow-CNN ）
• 实时开放域问题通过密集词语索引回答（SEO等，2019，ACL， denspi ）
• 实时开放域问题的上下文化稀疏表示回答（Lee等，2020，ACL， SPARC ）
• CORT：变形金刚的互补排名（wrzalik等人，2020年，naacl， cort_bm25 ）
• 文本检索的稀疏，密集和注意力表征，luan等，2020，tacl， me-hybrid ）
• 与语义残留嵌入的补体词汇检索模型（高等，2020年，ECIR，清除）
• 利用语义和词汇匹配来改善文档检索系统的回忆：混合方法（Kuzi等，2020，Arxiv， Hybrid ）
• 关于deepimpact，线圈和信息检索技术的概念框架的一些简短说明（Lin等，2021，Arxiv， Unicoil ）
• 上下文化的离线相关性加权，以进行有效有效的神经检索（Chen等，2021，Sigir）
• 预测密集与稀疏检索策略选择的效率/有效性权衡。
• 有效文档排名的快进索引（Leonhardt等，2021，Arxiv）
• 通过代表性切片（Lin等，2021，Arxiv）致密稀疏表示
• Unifier：用于大规模检索的统一检索器，Shen等，2022，Arxiv）

其他资源

其他任务

• 电子商务搜索
  • 点击率预测的深度兴趣网络（Zhou等，2018，KDD， DIN ）
  • 从语义检索到成对排名：在电子商务搜索中应用深度学习（Li等，2019，Sigir，Jingdong）
  • 带有动态路由的多功能网络在Tmall （li等人，2019年，CIKM， MIND ，TMALL）
  • 迈向个性化和语义检索：通过嵌入学习（Zhang等，2020，Sigir， DPSR ，Jingdong）的电子商务搜索解决方案
  • 点击率预测的深度多息网络（Xiao等，2020，CIKM， DMIN ）（DMIN）
  • 深度检索：大规模建议的端到端可学习结构模型（
  • TAOBAO搜索中基于嵌入的产品检索（Li等，2021，KDD，TAAOBAO）
  • 在数十亿个语义产品搜索的数据中拥抱结构（Lakshman等，2021，Arxiv，Amazon）
• 赞助搜索
  • Mobius：在Baidu的赞助搜索（Fan等，2019年，KDD，BAIDU）中的下一代查询匹配
• 图像检索
  • 图像检索的二进制神经网络哈希（Zhang等，2021，Sigir， BNNH ）
  • 图像检索的深度自适应散列（Lin等，2021，CIKM， DSAH ）
• 关于信息检索未来的第一个HIPSTIR研讨会的报告（Dietz等，2019年，Sigir，研讨会）
• 让我们测量运行时间！将红外可复制性基础架构扩展到包括绩效方面（Hofstätter等，2019，Sigir）
• Facebook搜索中基于嵌入的检索（Huang等，2020，KDD， EBR ）
• 学习k-way d维离散代码，用于紧凑的嵌入表示形式（CHEN等，2018，ICML）

数据集

• 【女士Marco】女士Marco：人类生成的机器阅读理解数据集
• 【TREC CAR】TREC复杂的答案检索概述
• trec dl】TREC 2019深度学习曲目的概述
• trec covid】trec-covid：构建大流行信息检索收集

索引方法

• 基于树
  • 用于关联搜索的多维二进制搜索树（ KD树）
  • 烦人
• 基于哈希
  • 近似最近的邻居：去除维度的诅咒（1998年， LSH ）
• 基于量化的
  • 最近邻居搜索的产品量化（2010， PQ ）
  • 优化产品量化（2013年， OPQ ）
• 基于图
  • 在2000年，新南威尔士州的小世界中导航
  • 使用层次可导航的小世界图（2018， HNSW ）的高效且强大的近似近似邻居搜索
• 工具包
  • faiss：一个库，用于有效相似性搜索和密集向量的聚类
  • SPTAG：一个快速近似邻居搜索的库
  • OpenMatch：用于信息检索的开源软件包
  • Pyserini：用于可重复信息检索研究的Python工具包，稀疏而密集的表示
  • Elasticsearch