基于卷积神经网络的文档列表排序学习算法

作者：曹军梅; 马乐荣

来源：计算机应用与软件, 2022, 39(07): 256-303.

• 文档列表
• 排序学习
• 多模态特征
• 卷积神经网络

在许多信息检索任务中，为了进一步提高检索性能，通常需要对检索到的文档进行重新排序。现有的排序学习算法主要集中在损失函数的构造上，而没有考虑特征之间的关系。将多通道深度卷积神经网络作用于文档列表排序学习算法，即ListCNN,实现了信息检索的精确重排序。对于从文档中提取的多模态特征，其中一些特征具有局部相关性和冗余性，因此利用卷积神经网络来重新提取特征以提高列表方法的性能。ListCNN架构考虑了原始文档特征的局部相关性，能够有效地重新提取代表性特征。在公共数据集上对ListCNN进行了验证，实验结果表明其性能优于已有文档列表排序学习算法。