【Nils Reimers】神经搜索的无监督域自适应，Unsupervised domain adaptation for neural search

在文本信息检索停滞多年之后，经过训练的transformer网络在性能上有了很大的提升，从而得到了非常好的搜索结果。然而，到目前为止，这些方法需要大量的训练数据，而这些数据对于许多用例来说很少可用。在这次演讲中，我将从不同的神经搜索方法的概述开始。然后，我将介绍BEIR，这是一个在域外设置中测试神经搜索方法的基准测试。正如基准测试所揭示的那样，许多体系结构对领域迁移很敏感，这限制了它们对许多实际单词应用的用处。为了克服这一缺点，我们创建了生成式伪标记(GPL)，这是一种将知识从缓慢但稳健的架构转移到快速但领域敏感的方法，从而大大提高了搜索质量。