AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文:https://www.aminer.cn/topic
论文集地址:https://www.aminer.cn/topic/6013e0e592c7f9be21c08510
信息检索(information retrieval,IR)的神经排序模型使用浅层或深层神经网络来根据查询对搜索结果进行排序。传统的学习排序的模型是在手工标注的信息检索特征上使用机器学习技术,与之相反,神经模型可以从原始文本材料(这些材料可以弥合查询与文档词汇之间的差距)中学习语言的表征。文本表征可通过非监督或监督方式习得。监督式方法使用诸如标注的查询文档对这样的信息检索数据来习得一个表征,其专为手头任务进行端到端优化。如果没有足够的信息检索标记,那么非监督式方法可仅通过使用查询和/或文档来习得一个表征。
该论文集共收录40篇论文,引用最多的论文为BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding,引用数为7048。
AMiner,一个具有认知智能的学术搜索引擎:https://www.aminer.cn
#AMiner# #论文#