基于条件自编码器的高效密集检索降维方法

稠密检索模型通过预训练语言模型对查询和文档进行编码，并将其映射到嵌入空间中。这些嵌入向量需要保持高维以充分捕捉训练信号，从而保障稠密检索模型的检索性能。然而，高维嵌入会导致索引存储开销增大以及检索延迟升高。为降低稠密检索中嵌入向量的维度，本文提出一种条件自编码器（Conditional Autoencoder, ConAE），用于将高维嵌入压缩至更低维度，同时保持原始嵌入分布的一致性，并更有效地恢复排序特征。实验结果表明，ConAE在实现与教师模型相当的排序性能的同时，显著提升了检索系统的效率。进一步分析显示，仅通过一个线性层，ConAE即可有效缓解稠密检索嵌入中的冗余问题。本工作的全部代码已开源，地址为：https://github.com/NEUIR/ConAE。