Relevance modeling with multiple query Variations

Xiaolu Lu, Oren Kurland, J. Shane Culpepper, Nick Craswell, Ofri Rom

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

The generative theory for relevance and its operational manifestation-the relevance model-are based on the premise that a single query is used to represent an information need for retrieval. In this work, we extend the theory and devise novel techniques for relevance modeling using as set of query variations representing the same information need. Our new approach is based on fusion at the term level, the model level, or the document-list level.We theoretically analyze the connections between these methods and provide empirical support of their equivalence using TREC datasets. Specifically, our new approach of inducing relevance models from multiple query variations substantially outperforms relevance model induction from a single query which is the standard practice. Our approach also outperforms fusion over multiple query variations, which is currently one of the best known baselines for several commonly used test collections.

שפה מקוריתאנגלית
כותר פרסום המארחICTIR 2019 - Proceedings of the 2019 ACM SIGIR International Conference on Theory of Information Retrieval
עמודים27-34
מספר עמודים8
מסת"ב (אלקטרוני)9781450368810
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 23 ספט׳ 2019
אירוע9th ACM SIGIR International Conference on the Theory of Information Retrieval, ICTIR 2019 - Santa Clara, ארצות הברית
משך הזמן: 2 אוק׳ 20195 אוק׳ 2019

סדרות פרסומים

שםICTIR 2019 - Proceedings of the 2019 ACM SIGIR International Conference on Theory of Information Retrieval

כנס

כנס9th ACM SIGIR International Conference on the Theory of Information Retrieval, ICTIR 2019
מדינה/אזורארצות הברית
עירSanta Clara
תקופה2/10/195/10/19

ASJC Scopus subject areas

  • ???subjectarea.asjc.1700.1701???
  • ???subjectarea.asjc.1700.1710???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Relevance modeling with multiple query Variations'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי