PulseAugur
中
实时 13:28:10
English(EN) Entity Labels Are Not Entity Signals: A Framework for Observable Relevance in Document Re-Ranking

新框架重新定义文档检索中的实体相关性

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新的研究论文提出了一个框架，通过区分概念实体相关性和可观察实体相关性来改进文档重排。作者认为，当前面向实体的检索方法错误地假设了主题相关的实体总是对排序有益。他们引入了可观察实体相关性（OER）作为衡量实体在集合中的可观察存在是否能有效区分相关和不相关文档的指标。实验表明，与BM25等传统方法相比，将监督与OER对齐可以显著提高文档剪枝和检索性能。 AI

排序理由 该集群包含一篇提交至arXiv的研究论文，详细介绍了文档重排的新框架。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Utshab Kumar Ghosh, Shubham Chatterjee ·

    Entity Labels Are Not Entity Signals: A Framework for Observable Relevance in Document Re-Ranking

    arXiv:2606.15998v1 Announce Type: cross Abstract: Entity-aware document retrieval uses query-associated entities as ranking signals, assuming that semantically relevant entities are also useful retrieval signals. We show this assumption is insufficient- and explain why. Unlike te…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Shubham Chatterjee ·

    Entity Labels Are Not Entity Signals: A Framework for Observable Relevance in Document Re-Ranking

    Entity-aware document retrieval uses query-associated entities as ranking signals, assuming that semantically relevant entities are also useful retrieval signals. We show this assumption is insufficient- and explain why. Unlike terms, which are ground-truth observations, entity l…

相关实体

相关话题