Improving Retrieval in Theme-specific Applications using a Corpus Topical Taxonomy

文档检索受益于大规模预训练语言模型（PLMs）的进步。然而，在特定领域或行业的主题特定应用中，它们的有效性通常受到限制，原因是独特的术语、用户查询的不完整上下文和专业化的搜索意图。为了捕捉主题特定信息并改善检索，我们提出使用语料库主题分类法，该分类法概述了语料库的潜在主题结构，同时反映了用户感兴趣的方面。我们介绍了ToTER（Topical Taxonomy Enhanced Retrieval）框架，该框架在分类法的指导下识别查询和文档的中心主题，并利用它们的主题相关性来补充缺失的上下文。作为一种即插即用的框架，ToTER可以灵活地用于增强各种基于PLM的检索器。通过对两个真实数据集的广泛定量、削减和探索性实验，我们确定了在主题特定应用中使用主题分类法进行检索的好处，并展示了ToTER的有效性。

本文试图解决在特定领域应用中，大规模预训练语言模型（PLMs）的效果受限的问题，即由于专业术语、用户查询的上下文不完整和特定的搜索意图等原因，PLMs的检索效果受到限制。

本文提出了一种基于语料库主题分类法的检索框架ToTER，该框架通过主题分类法来捕捉特定领域的信息并提高检索效果，通过指导查询和文档的中心主题来补充缺失的上下文。

本文通过两个真实数据集的广泛实验，证明了使用主题分类法来提高特定领域检索效果的好处，并证明了ToTER的有效性。ToTER是一个可插拔的框架，可以灵活地用于增强各种基于PLM的检索器。本文还介绍了ToTER的实现细节，并提供了开源代码。

最近的相关研究包括使用领域特定的知识图谱来增强检索，以及使用领域特定的词汇表来扩展语言模型。其中一些研究的论文标题包括：“Domain-specific Knowledge Graph Enhanced Retrieval”和“Exploiting Domain-Specific Vocabulary to Improve Language Models for Biomedical Information Retrieval”。