文献

J-GLOBAL ID：202202281351223810   整理番号：22A1104774

PARM:高密度文書から文書検索のためのパラグラフ集約検索モデル【JST・京大機械翻訳】

PARM: A Paragraph Aggregation Retrieval Model for Dense Document-to-Document Retrieval

著者 (5件)： Althammer Sophia (Institute for Information Systems Engineering, TU Wien, Vienna, Austria) ,  Hofstaetter Sebastian (Institute for Information Systems Engineering, TU Wien, Vienna, Austria) ,  Sertkan Mete (Institute for Information Systems Engineering, TU Wien, Vienna, Austria) ,  Verberne Suzan (Leiden University, Leiden, The Netherlands) ,  Hanbury Allan (Institute for Information Systems Engineering, TU Wien, Vienna, Austria)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13185  ページ： 19-34  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 高密度通過検索(DPR)モデルは,Webドメインに対する第一段階検索において大きな有効性利得を示す。しかし,Webドメインでは,大量の訓練データおよびクエリツーパスまたは質問ツー文書検索タスクの設定である。本論文では,訓練のための限られたラベル付きターゲットデータ,特に法的事例検索による高密度文書-文書検索を研究した。文書-文書検索のためにDPRモデルを使用するために,著者らは,それらの限られた入力長さからDPRモデルを解放するパラグラフ凝集検索モデル(PARM)を提案した。PARMはパラグラフレベルに関する文書を検索し,各クエリパラグラフに対して,関連文書をそれらのパラグラフに基づいて検索した。次に,質問パラグラフ当たりの関連結果を,全クエリ文書のために1つのランクリストに集約した。凝集のために,逆ランク融合(VRRF)重みづけによるベクトルベース凝集を提案し,それはランクベース凝集と高密度埋込みに基づく局所凝集の利点を結合した。実験結果は,VRRFがPARMによる高密度文書ツー文書検索のためのランクベース集約戦略より優れていることを示した。PARMを文書レベル検索と比較し,2つの異なる法的事例検索コレクションにおける語彙と高密度第1段階検索に対するPARMの高い検索有効性を示した。著者らは,パラグラフまたは文書レベルに関するラベルによって限られた目標データに関してPARMのために高密度検索モデルを訓練する方法を調査した。さらに,PARMによる語彙と高密度検索の検索結果の差を分析した。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 凝集 ,  情報検索 ,  質問 ,  著者 ,  *文献検索 ,  語彙 ,  利得 ,  重みづけ ,  *検索 ,  有効性 ,  *文書 ,  Web【情報システム】
準シソーラス用語： 訓練データ ,  事例検索 ,  高密度 ,  クエリー , 【Automatic Indexing@JST】

分類 (1件)： 検索技術  (AC06020S)

タイトルに関連する用語 (5件)： ParM ,  文書 ,  検索 ,  集約 ,  モデル