通过语料图的图神经重排序

重排序系统旨在重新排列初始文档列表，以更好地满足与用户提供的查询相关的信息需求。现代重排序器主要依赖于神经网络模型，这些模型在表示来自各种模态的样本方面被证明非常有效。然而，这些模型通常独立评估查询-文档对，忽视了可以提高重排列表质量的基础文档分布。为了解决这一局限性，我们提出了图神经重排序（GNRR），这是基于图神经网络（GNNs）的管道，使得每个查询在推理过程中考虑文档分布。我们的方法通过语料子图建模文档关系，并使用GNN对其表示进行编码。通过大量实验，我们证明GNN可以有效捕捉跨文档交互，改善在流行排名指标上的表现。在TREC-DL19中，我们观察到与基准相比，平均精度相对提高了5.8%。这些发现表明，整合GNN部分提供了显著优势，尤其是在理解文档的更广泛背景至关重要的情况下。