基于深度学习的信息检索任务方法研究现状

Question

我对信息检索( IR )任务的最新方法感兴趣，您有一个查询和一组文档，IR模型将为您提供最佳匹配的文档。

我研究过向量空间模型(tfidf-余弦相似)和LSA。

我也尝试过Wordnet，NER，模糊匹配等来提高精度。

现在，我想知道如何通过应用神经网络、字嵌入停止模型等来提高红外任务的准确性，获取更多的上下文/语义信息。

Answer 1

深度学习扩展了信息检索(IR)系统的能力。

深度学习已被证明是特征工程的有力工具。这种特征工程的改进，而不是人工的建设，提高了任何机器学习系统的质量，包括信息检索。

具体来说，单词嵌入创建了一个密集的、向量化的词表示，它基于共现对语义关系进行编码。文档和查询都可以投影到相同的潜在空间中，并且可以找到最近的邻居。Word嵌入可以通过查找相关术语来将投递索引扩展到。它们也可以用于查询扩展/查询重写。