IRGAN(学习笔记part一)

本文是IRGAN的读书笔记,介绍了信息检索的生成模型与判别模型,指出两者分别存在的问题。IRGAN通过一个零和游戏将二者统一,通过对抗训练提升检索效果。文中提及IRGAN已在多个应用上取得良好效果,并强调了其在无法直接获取真实联合分布情况下的优化策略。
摘要由CSDN通过智能技术生成

-IRGAN: A Minimax Game for Unifying Generative and Discriminative Information Retrieval Models-(note by yanguokai)
(暂时还不关注公式,所以有关公式部分全部省略。这算是翻译,也算读书笔记?,感觉很多地方会存在用词错误…)

1.信息检索具有很广泛的应用,主要有文本检索,网页搜索,和推荐系统,以及问答系统和个性化广告(由于本人现在主要研究QA,后期可能结合其他应用,所以会先讨论QA问答系统。)

2.那么信息检索本身的典型的描述公式为:给定一个查询query,返回提供一个文档列表清单(排序或者不排序)。

3.IR领域(不只是这个领域)一直存在着两种学派思想(通常介绍为经典和现代思想,应为IRGAN要统一这两个思想,所以得先了解这两个)。

4.经典的学派思想假设(这个假设是真的):在文档和用户需求之间存在着一个潜在的随机的生成过程。需要有具体的例子来理解才好,然后对应再对应到自己已有知识上
那么通常需要考虑 的有三点。第一点是用户需求如何表示,通常是指用户的查询(取决于具体的IR任务,可以是关键字,用户属性,问题)

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值