信息检索是搜索引擎、对话系统以及开放域问答等自然语言处理任务的重要组成部分。IR在生物医学领域发挥着重要的作用，在生物医学领域，科学知识的内容和来源可能会迅速发展。尽管神经检索在标准的开放域问答任务中已经超越了传统的IR方法，如TF-IDF和BM25，但在生物医学领域仍存在不足。在本论文中，我们试图利用神经检索器(NR)改善生物医学领域的信息检索(IR)，并采用三管齐下的方法来实现这一目标。首先，为了解决生物医学领域数据相对匮乏的问题，我们提出了一种基于模板的问题生成方法，可用于训练神经检索模型。其次，我们开发了两个与下游信息检索任务紧密相关的新训练前任务。第三，我们引入了“Poly-DPR”模型，它将每个上下文编码成多个上下文向量。关于BioASQ挑战的大量实验和分析表明，我们提出的方法比现有的神经方法获得了很大的收益，并在小语料库环境中击败了BM25。我们证明了BM25和我们的方法可以相互补充，一个简单的混合模型可以在大型语料库设置中获得进一步的收益。
https://www.zhuanzhi.ai/paper/15fa11615c0f9c05569c72cc43df7589
成为VIP会员查看完整内容
Improving Biomedical Information Retrieval with Neural Retrievers
相关内容
信息检索(
Information Retrieval )指信息按一定的方式组织起来，并根据信息用户的需要找出有关的信息的过程和技术。信息检索的目标：准确、及时、全面的获取所需信息。
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
22+阅读 · 2021年9月20日
Arxiv
14+阅读 · 2021年2月14日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
22+阅读 · 2021年9月20日
Arxiv
14+阅读 · 2021年2月14日
微信扫码咨询专知VIP会员