A Pseudo-relevance feedback framework combining relevance matching...泛读笔记

题目：A Pseudo-relevance feedback framework combining relevance matching and semantic matching for information retrieval
来源：2019,Elsevier,Information Processing and Management
地址：https://doi.org/10.1016/j.ipm.2020.102342

Title

一种结合关联匹配和语义匹配的信息检索伪关联反馈框架

Motivation

伪关联反馈(PRF)是解决查询意图与查询表示不匹配的一种常见方法。目前大多数PRF方法仅从用于对反馈文档排序的词的角度考虑相关性匹配，因此可能导致查询表示和文档表示之间存在语义差距。
为什么查询意图与查询表示不匹配：
1）用户的查询基于知识积累的，而计算机没有相关的积累，导致计算机很难理解用户的实际意图；
2）实际检索过程中，用户不会明确表达一些词，而是隐藏在所提问的句子中；
1）2）导致query和documents的语义偏差，在PRF中通过查询扩展可以有效地提高检索性能；
相关性匹配的缺点：
仅仅依赖词等表面特征，没有将query和document的语义信息视为计算相关性的重要指标；
语义匹配的缺点：
仅仅考虑query和document的语义匹配，经常忽略其它重要信息，如精确的匹配信号、query重要词等；

Idea

提出一种结合相关匹配和语义匹配的PRF框架，以提高反馈文档的质量，然后使用不同的PRF方法对反馈文档进行质量评估

Method

1）第一轮检索：
输入：Query
处理：使用BERT对BM25检索出来的前N个文档进行重排序
输出：Reranked N Documents
2）查询扩展：
输入：Reranked N Documents
处理：结合常见的PRF从第一轮检索的结果中提取扩展词，并为第二轮检索生成新的查询
输出：New Query
3）第二轮检索；
输入：New Query
处理：检索
输出：Ranked Documents