Key points are not available for this paper at this time.
在密集检索中，将长文本嵌入到密集向量中可能会导致信息丢失，从而导致查询-文本匹配不准确。此外，过多噪声或稀疏关键信息的低质量文本不太可能与相关查询良好对齐。近期研究主要集中在改善句子嵌入模型或检索过程。在这项工作中，我们引入了一种新的文本增强框架用于密集检索。该框架将原始文档转换为信息密集的文本格式，补充原始文本，以有效解决上述问题，而不修改嵌入或检索方法。通过大型语言模型（LLMs）的零-shot提示生成两种文本表示：问题-答案对和元素驱动事件。我们将这种方法称为QAEA-DR：在文本增强框架中统一问题答案生成和事件提取以进行密集检索。为了进一步提高生成文本的质量，在LLM提示中引入了一种基于评分的评估和再生成机制。我们的QAEA-DR模型对密集检索产生积极影响，得到了理论分析和经验实验的支持.
Tan et al. (Tue,) 研究了这个问题.