Adaptation de domaine pour la recherche dense par annotation automatique - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Adaptation de domaine pour la recherche dense par annotation automatique

Minghan Li
Eric Gaussier

Résumé

Bien que la recherche d'information neuronale ait connu des améliorations, les modèles de recherche dense ont une capacité de généralisation à de nouveaux domaines limitée, contrairement aux modèles basés sur l'interaction. Les approches d'apprentissage adversarial et de génération de requêtes n'ont pas résolu ce problème. Cet article propose une approche d'auto-supervision utilisant des étiquettes de pseudo-pertinence automatiquement générées pour le domaine cible. Le modèle T53B est utilisé pour réordonner une liste de documents fournie par BM25 afin d'obtenir une annotation des exemples positifs. L'extraction des exemples négatifs est effectuée en explorant différentes stratégies. Les expériences montrent que cette approche aide le modèle dense sur le domaine cible et améliore l'approche de génération de requêtes GPL.
Fichier principal
Vignette du fichier
480548.pdf (385.2 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04131568 , version 1 (20-06-2023)

Identifiants

  • HAL Id : hal-04131568 , version 1

Citer

Minghan Li, Eric Gaussier. Adaptation de domaine pour la recherche dense par annotation automatique. 18e Conférence en Recherche d'Information et Applications -- 16e Rencontres Jeunes Chercheurs en RI -- 30e Conférence sur le Traitement Automatique des Langues Naturelles -- 25e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues, 2023, Paris, France. pp.93-110. ⟨hal-04131568⟩
34 Consultations
18 Téléchargements

Partager

Gmail Facebook X LinkedIn More