Graph-based Hierarchical Relevance Matching Signals for Ad-hoc Retrieval

abstract

本文提出了一个基于图的分层相关匹配模型（GHRM），它可以同时捕获subtle 和general的层次匹配信号。

     https://github.com/CRIPAC-DIG/GHRM

1.介绍

分层查询文档相关性匹配过程示例。(a)查询和候选文档(省略部分文字)。(b)文档中部分文字图。（c）包含关键词并丢弃与查询无关的词的层次图：

3 PROPOSED METHOD

3.1 Problem Formulation

查询和文档：


本文目的是对关于查询词和文档词的一系列相关性$r$$e$$l$($q$,$d$)进行排序。

3.2 Graph Construction

文档图$G$ = ($V$，$E$)，其中$V$是具有节点特征的顶点集，$E$是边集。节点特征矩阵和邻接矩阵的构造过程描述如下。

注意：图只建立在文档之上，不包括查询词。

3.2.1 Node feature matrix construction.

在图$G$中，每个节点都表示为文档中的单词。因此，单词序列被表示为一系列节点集

其中$n$是文档中唯一单词的数量，此外，为了将query-document交互信号引入图中，采用余弦相似性矩阵建立交互，表示为$S$ ∈ $R$${}^n$${}^{\times }$${}^M$，$s$i_i