作者： Man Luo

简介：本文研究信息检索器（IR）利用预训练方法的新思路提案。IR旨在大规模查找给定查询的相关文档（例如片段、段落和文章）。IR在许多任务中发挥着重要作用，例如需要外部知识的开放领域问答和对话系统。过去，基于词匹配的搜索算法得到了广泛的应用。近年来，基于神经的算法（称为神经检索器）受到了越来越多的关注，它可以缓解传统方法的局限性。尽管神经检索器取得了成功，但它们仍然面临许多挑战，例如，需要少量的训练数据，无法回答简单的以实体为中心的问题。此外，现有的大多数神经检索器都是为纯文本查询而开发的。这会阻止它们处理多模态查询（即查询由文本描述和图像组成）。本论文提案有两个目标：首先，作者从三个角度介绍了解决神经检索器上述问题的方法，即新的模型结构、面向IR的预训练任务和生成大规模训练数据；其次，明确了未来的研究方向、并提出了相应的解决方案。

论文下载：https://arxiv.org/pdf/2205.16005

内容中包含的图片若涉及版权问题，请及时与我们联系删除