English(EN) Factorized Hypothesis Search for Evidence-to-Taxonomy Retrieval

新的因子化假设搜索改进了分类法检索

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-10 04:00

研究人员开发了一种称为因子化假设搜索（FHS）的新方法，以解决当输入是间接证据时，从大型分类法中检索信息的挑战。FHS通过在命名的语义维度上维护多个部分解释来实现结构化查询渲染和多假设检索。该方法在金融分类法标记和临床编码等任务中表现出卓越的性能，在召回率和准确性方面优于现有方法。 AI

影响该方法可以提高各领域信息检索系统的效率和准确性。

排序理由该集群包含一篇详细介绍信息检索新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Linhai Ma, Ethan F. Wei, Xueqing Peng, Yan Wang, Lingfei Qian, V\'ictor Guti\'errez-Basulto · 2026-08-10 04:00

Evidence-to-Taxonomy Retrieval 的因子化假设搜索

arXiv:2608.06614v1 Announce Type: cross Abstract: Large-taxonomy retrieval often assumes that the input already expresses the target concept. In many settings, however, the input is indirect evidence, such as a table cell whose meaning depends on its row, column, datatype, and co…