研究人员开发了两种用于生成面向检索的系统语义ID(SID)的新颖方法,旨在提高生成式检索的召回能力。第一种方法CARE-SID通过训练一个具有对比损失的残差对齐网络来进行检索对齐空间的量化,并结合锚定和重构损失以防止数据坍塌。第二种方法CARE-LR通过将原始嵌入在候选列表上的相似性分布蒸馏到SID重构中,进一步增强了这一点。在工业视频搜索数据的离线评估中,这两种方法都显示出比传统的残差k-means更高的重构视图召回率,其中CARE-LR显示出进一步的改进。CARE-SID已在工业视频搜索系统中实现。 AI
影响 这些方法可以提高生成式检索系统的性能,尤其是在大规模搜索应用中。
排序理由 学术论文,详细介绍了面向检索的语义ID的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- CARE-LR
- CARE-SID
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- RQ-VAE
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →