Core Concepts
提案された疑似関連ラベリングアプローチは、密な検索モデルを新しいドメインに適応させる際に効果的であり、クエリ生成アプローチと組み合わせることでさらなる改善が可能である。
Abstract
ドメイン適応の重要性と課題が指摘されている。
密な検索モデルの一般化能力向上を目指すための提案手法が紹介されている。
会話型密な検索モデルへの提案手法が示されており、実験結果も含まれている。
実験結果から、提案手法が他の既存手法よりも優れていることが示唆されている。
Introduction:
密な検索と対話型密な検索の比較が行われている。
ドメイン適応技術の重要性が強調されている。
Domain Adaptation Techniques:
密な検索モデルへのドメイン適応手法について詳細に説明されている。
疑似関連ラベリングアプローチや負例サンプリング戦略に焦点が当てられている。
Conversational Dense Retrieval:
会話型密な検索モデルへの提案手法や実験結果が記載されている。
T5-Largeを使用したクエリ再作成モジュールについて詳細が述べられている。
Stats
BM25+CE: 33.1, 72.8, 45.8
BM25+T53B: 39.2, 76.1, 51.8
DoDress-T53B (D-BERT): 27.3, 52.9, 40.5
DoDress-T53B (GPL): 33.0, 62.0, 43.2
DoDress-T53B (D-BERT): 30.4, 58.6, 41.6
DoDress-T53B (GPL): 34.2, 64.7, 43.3
DoDress-T53B (D-BERT):31.0,60.6,43.6
DoDress-T53B (GPL):34.9,65.3,45.
Quotes
"Recent studies have demonstrated that the ability of dense retrieval models to generalize to target domains with different distributions is limited."
"We propose to combine the query-generation approach with a self-supervision approach in which pseudo-relevance labels are automatically generated on the target domain."