【ECIR2021】信息检索技术进展: 从词袋到BERT，230页ppt

最近，自然语言处理领域的进步引发了adhoc搜索任务的复兴。特别是，大型上下文化语言建模技术，如BERT，已经为排序模型配备了比以前的单词袋(BoW)模型更深入的语言理解能力。将这些技术应用到新任务中是很棘手的，需要深度学习框架的知识，以及重要的脚本和数据分析。在这个搜索教程中，我们将从基本的检索原则建立到最新的神经排序技术。我们提供古典(例如，BoW)，现代(例如，排序学习)和当代(例如，BERT搜索排名和重新排名技术的背景。进一步，我们详细说明并演示了如何以一种新的声明式的实验风格，以PyTerrier和OpenNIR搜索工具包为例，轻松地实验性地将这些方法应用到新的搜索任务中。

本教程对参与者来说是交互式的;它被分成几个部分，每个部分都是使用在谷歌协作平台上运行的准备好的Jupyter进行解释性演示和实践活动。

在本教程结束时，学员将能够轻松地访问经典的倒排索引数据结构，构建声明式检索管道，并使用最先进的神经排序模型进行实验。