استرجاع الفقرات بكفاءة باستخدام التجزئة للإجابة على الأسئلة في المجال المفتوح

تستخدم معظم أنظمة الإجابة على الأسئلة في المجال المفتوح المتطورة حاليًا نموذج استرجاع عصبي لتمثيل القطع النصية كمتجهات مستمرة واستخلاصها من مصدر معرفي. ومع ذلك، فإن مثل هذه النماذج غالبًا ما تتطلب ذاكرة كبيرة للتشغيل بسبب الحجم الهائل لفهرس القطع النصية. في هذه الورقة، نقدّم نموذج الاسترجاع الثنائي للقطع النصية (BPR)، وهو نموذج استرجاع عصبي فعّال من حيث استخدام الذاكرة، يدمج تقنية التعلم على التجزئة (learning-to-hash) في النموذج المتقدم حاليًا المعروف باسم DPR (Dense Passage Retriever) لتمثيل فهرس القطع النصية باستخدام رموز ثنائية مكثفة بدلًا من المتجهات المستمرة. يتم تدريب BPR باستخدام هدف متعدد المهام على مهامتين: إنشاء مرشحات فعّالة بناءً على الرموز الثنائية، وتصحيح دقيق للنتائج بناءً على المتجهات المستمرة. مقارنةً بـ DPR، يقلل BPR بشكل كبير من تكلفة الذاكرة من 65 جيجابايت إلى 2 جيجابايت دون فقدان الدقة على معيارين قياسيين لاختبار الإجابة على الأسئلة في المجال المفتوح: Natural Questions وTriviaQA. يمكن الوصول إلى الكود والموديلات المدربة عبر الرابط التالي: https://github.com/studio-ousia/bpr.