伪相关反馈（Pseudo-relevance feedback, PRF）是一种常用的方法，通过利用排名靠前的文档来识别和加权新的查询词项，从而减少查询-文档词汇不匹配的影响，以提升传统信息检索（Information Retrieval, IR）模型的性能。尽管神经检索模型在最近的即席检索（ad-hoc retrieval）中展示了强大的结果，但将其与PRF结合并不直接，因为现有的PRF方法与神经网络架构之间存在不兼容性。为了弥合这一差距，我们提出了一种端到端的神经PRF框架，该框架可以通过嵌入不同的神经模型作为构建模块来与现有的神经IR模型结合使用。广泛的实验在两个标准测试集合上验证了所提出的NPRF框架在提高两种最先进的神经IR模型性能方面的有效性。