研究者提出CA-HNM约束感知难负例挖掘框架用于稠密检索

1. 16:58
   arXiv · cs.AI

   CA-HNM：基于结构化领域模型的约束感知难负例挖掘方法用于稠密检索

   研究者提出 CA-HNM，一个将检索候选生成与来自结构化领域模型的确定性不兼容规则相结合的约束感知难负例挖掘框架，用于微调标准双编码器稠密检索模型。在 MOOCCubeX 和 Course-Skill Atlas 两个数据集上，用两种编码器、两种训练损失和十个随机种子评估，CA-HNM-Pure 在 8 个数据集-编码器-损失配置中的 6 个取得更高的平均 NDCG@10，另有实验显示 CA-HNM-Mixed 也略优于对照。结果表明约束感知选择的效果取决于训练目标和负例池构成。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。