information retrieval
PulseAugur coverage of information retrieval — every cluster mentioning information retrieval across labs, papers, and developer communities, ranked by signal.
14 天有情绪数据
-
论文探讨使用预训练词嵌入改进答案选择
本文探讨了使用预训练词嵌入来增强信息检索中的答案选择方法。研究表明，集成这些嵌入可以捕捉问题和答案之间的语义关系，从而在传统词频方法上取得显著改进。研究还表明，将词嵌入特征与学习排序技术相结合，可以实现与最先进的神经网络在答案选择方面的可比性能。
-
LLM驱动的代理系统增强联网电视内容发现
研究人员开发了一种用于联网电视（CTV）内容发现的LLM驱动的代理推荐系统。该系统旨在克服传统推荐模型的局限性，通过使用LLM处理诸如热门话题和文化事件等多样化的上下文信号。该架构协调了专门的组件，将LLM的灵活性与传统机器学习的性能相结合，以解决推理延迟和可扩展性等挑战。
-
LLM 用于 RDF 数据集搜索：平衡检索有效性和忠实度
一篇新的研究论文探讨了使用大型语言模型（LLM）为 RDF 数据集生成元数据，旨在提高数据集的可搜索性。该研究评估了六种不同的元数据生成方法，评估了它们在检索方面的有效性以及它们对原始数据的忠实度。虽然无约束重写提供了最佳的检索收益，但牺牲了忠实度，表明搜索改进可能源于不受支持的语义扩展。更基础的方法增强了忠实度，其中配置文件约束重写在有效性和准确性之间取得了最佳平衡。
-
新的基于相关性的嵌入改进了机器学习中的候选检索
研究人员在机器学习应用中引入了一种新颖的候选检索方法，称为基于相关性的嵌入。该方法旨在通过利用昂贵的相似性模型的得分来增强查询和项目表示，从而提高检索相关项目以供查询的效率。理论上证明了所提出的嵌入可以近似复杂的相似性模型，并且在各种数据集上的实验结果证明了它们的有效性。
-
新的混合LLM方法优化信息检索的查询增强
一篇新研究论文介绍了一种用于信息检索的查询增强的混合方法，结合了基于提示和强化学习（RL）的方法。研究发现，简单的、无需训练的查询增强通常与计算成本更高的基于RL的方法表现相当或更好，尤其是在强大的大型语言模型（LLMs）下。提出的在线伪文档查询扩展（OPQE）方法生成一个伪文档以最大化检索性能，优于独立的提示和基于RL的重写。
-
新攻击可识别AI系统中隐藏的嵌入模型
研究人员开发了一种名为嵌入推理攻击（EIA）的新方法，可以识别黑盒信息检索系统所使用的特定嵌入模型。即使系统包含重排器或作为检索增强生成（RAG）设置的一部分，此攻击也有效。提出的缓解策略包括使用相似性阈值来防御此类攻击。
-
新方法以有限数据增强无监督跨模态检索 · 跟踪4个来源
研究人员正在开发新的无监督跨模态检索方法，旨在提高效率并减少对大型手动标注数据集的依赖。论文提出了属性提示核哈希（APKH）和全局邻域对齐哈希（GNAH）等技术，这些技术利用视觉语言基础模型和有限的配对数据来构建紧凑、对齐的汉明空间。另一种方法UniCA引入了双向交叉注意力和正相似性损失，以实现更鲁棒的多模态检索，并在WebQA+等基准测试中取得了改进。
-
LEDGER系统通过依赖图增强可代理文档编辑 · arXiv
研究人员开发了LEDGER，一个旨在通过构建轻量级依赖图来改进可代理文档编辑的新系统。该图模拟了文档结构，包括引用和语义关系，从而能够高效地为编辑选择上下文。在1.9k个测试用例的基准测试中进行的评估表明，LEDGER将六个最先进模型的连贯性从56%提高到76%，同时减少了令牌使用量。该系统证明了显式的依赖表示可以部分替代可代理文档编辑的密集内部推理。
-
机器学习揭示图书馆学31年研究方法转变
一项分析1991年至2021年间图书馆与信息科学（LIS）期刊上超过26,000篇研究文章的研究，利用机器学习对研究方法进行了分类。研究结果表明，LIS领域的研究从概念性研究转向实证性研究，从以系统为中心转向以用户为中心。该研究还绘制了18个研究主题与16种常用研究方法之间的关系图，并可视化了这些动态随时间的变化。
-
信息检索研究被敦促采纳批判性理论以促进社会福祉
一篇新论文提出，信息检索（IR）研究应采纳批判性理论与实践，以更好地理解和促进社会福祉。作者认为，从主导的自由主义框架转向批判性框架，可以为Belkin和Robertson几十年前呼吁的理论基础提供支持。这一转变将明确以非支配为目标，阐明社会福祉的概念化，并能够批判性地评估在实现期望的社会变革方面的进展。
-
新的SABER-Math基准可自动评估AI数学检索
研究人员推出SABER-Math，这是一个新颖的基准，旨在自动评估专门用于数学任务的信息检索（IR）系统。该基准解决了现有IR评估的局限性，这些评估通常无法捕捉数学相关性的细微差别。SABER-Math利用LLM处理283,000个高中数学问题，生成摘要和主题，以创建重新排序任务。评估发现，虽然现代嵌入模型优于传统系统，但它们在代数和微积分等符号密集型领域仍然存在困难，并且像MTEB这样的通用基准无法准确预测数学IR性能。
-
新研究提出本地优先信息检索以增强文档搜索隐私性
一篇新研究论文提出了一种信息检索系统的“本地优先信息检索”设计理念，优先在设备上进行索引、模型和推理，以增强隐私性和控制力。实验表明，密集检索模型可以在消费级硬件上处理多达10万份文档并保持高准确性，并且一个7B的本地语言模型表现与云端系统相当。研究强调，主要的权衡在于可搜索内容的范围而非质量。
-
新的TRUST框架改进了基于时间的会话推荐
研究人员开发了一个名为TRUST的新框架，用于基于时间的会话推荐系统。与使用绝对时间间隔的先前方法不同，TRUST根据每个项目特有的时间信号分布，将每个时间间隔与其关联的项目进行相对校准。这种方法改进了邻居采样、会话图编码和兴趣聚合，从而在公共数据集上提高了推荐性能。该框架是模型无关的，意味着它可以增强现有的时间推荐器。
-
研究论文强调了AI公平性中评分函数局限性
一篇题为《评分不足以解决排序中的效用-公平性权衡的差距》的新研究论文认为，信息检索和推荐系统中当前的评分函数不足以平衡效用和公平性。该论文通过反例表明，无论评分是确定性的还是随机的，或是在单个或多个查询范围内进行衡量，仅靠评分本身不足以实现期望的效用-公平性权衡。研究表明，半贪婪的后处理方法在实现更好的权衡方面显示出希望，能够以一种实用的方式接近完全后处理的理想状态。
-
新的可视化分析工具增强了个性化物品排名创建
研究人员开发了“Ranking Companion”，一个新颖的可视化分析系统，旨在改进个性化物品排名的创建。该方法通过允许用户通过对已知物品的判断来表达偏好，解决了用户缺乏领域知识或无法明确表达特定偏好的挑战。Ranking Companion 集成了六种不同的物品选择方法，结合了模型驱动的主动学习和人类驱动的选择，为用户提供更大的灵活性和控制力。一项对 10 名参与者的用户研究表明，在使用这些混合方法时，在准确性、多样性、新颖性、…
-
新的学术概念索引提升科学文献检索能力
研究人员开发了一种新的方法来改进科学文献检索，方法是创建一个学术概念索引。该索引从论文中提取和组织关键概念，然后增强LLM的合成查询生成和辅助上下文创建。该方法在最近的arXiv提交中有所详细介绍，旨在克服科学领域的词汇不匹配和多样化的信息需求，从而获得更高质量的查询和更好的概念对齐，以实现更有效的检索。
-
新的SAERec系统使用LLM和稀疏自编码器进行可解释推荐
研究人员开发了SAERec，一种新颖的推荐系统，它利用稀疏自编码器从大型语言模型中构建细粒度、可解释的意图先验。这种方法旨在通过将与意图相关的语义与文本数据分离开来提高推荐的准确性和可解释性。然后，该系统使用这些意图来指导推荐，同时结合个人用户兴趣和一般项目模式，并通过多分支注意力机制将它们整合到序列建模中。
-
新的NNN解码方法超越密集检索，增强信息检索能力
研究人员推出了一种新颖的信息检索方法——非负弹性网络（NNN）解码，超越了传统的密集检索方法的内积评分。该新技术将检索视为一个联合解码问题，选择其嵌入能够稀疏重建查询嵌入的文档。理论分析表明，NNN解码可以处理密集检索所能处理的所有查询，并额外处理具有相关文档的查询，从而提供更高的多样性和更低的冗余度。实验结果在基准测试中显示了持续的性能提升，而端到端训练过程进一步增强了这些改进。
-
新方法通过利用负面行为信号提升用户建模能力
研究人员开发了一种用于点击率预测中序列用户建模的新方法，该方法将跳过和滚动跳过等隐式负面行为与积极互动结合起来。这种方法称为目标感知极性融合（TAPF），使用轻量级门控机制来区分行为证据，并在各种模型架构中显示出相对 AUC 持续提高了 9.6%。研究强调，主要贡献在于混合极性数据范式本身，它显著优于仅依赖积极信号的模型。
-
新框架旨在实现可验证、偏见感知的LLM用户模拟器
一项新的教程提出了一个基于大型语言模型（LLM）创建可验证用户模拟器的框架。该框架旨在解决当前基于LLM的模拟器的不透明性，使其更容易理解模拟用户为何做出某些选择，并检测与人口统计特征相关的潜在偏见。提议的系统包括结构化角色、任务感知契约、可审计跟踪和角色对齐验证等组件，并设有一个用于持续改进的优化循环。实践实验室将允许参与者评估模拟器在推荐和搜索任务中的保真度、可信度和人口统计偏见。