疑似関連フィードバック（Pseudo-Relevance Feedback, PRF）は、上位の文書を使用して新しいクエリ項を特定し、重み付けすることにより、クエリと文書の語彙不一致の影響を軽減し、従来の情報検索（Information Retrieval, IR）モデルの性能を向上させるために一般的に使用されています。最近、神経系検索モデルはアドホック検索において優れた結果を示していますが、既存のPRF手法と神経系アーキテクチャとの互換性の問題から、これらを組み合わせることは容易ではありません。このギャップを埋めるため、私たちは既存の神経系IRモデルに異なる神経系モデルをビルディングブロックとして埋め込むことができる端末から端末までの神経系PRFフレームワークを提案します。2つの標準的なテストコレクションにおける広範な実験により、提案されたNPRFフレームワークが2つの最先端の神経系IRモデルの性能向上に効果的であることが確認されました。