NPRF: Ad-hoc 정보 검색을 위한 신경망 가상 관련성 피드백 프레임워크

가짜 관련성 피드백(Pseudo-relevance feedback, PRF)은 전통적인 정보 검색(Information Retrieval, IR) 모델의 성능을 향상시키기 위해 상위 순위 문서를 사용하여 새로운 쿼리 용어를 식별하고 가중치를 부여함으로써 쿼리-문서 어휘 불일치의 영향을 줄이는 데 일반적으로 사용됩니다. 최근 신경망 검색 모델은 즉흥적(ad-hoc) 검색에서 강력한 결과를 보여주었지만, 기존 PRF 접근법과 신경망 구조 사이의 호환성 문제로 인해 이들을 PRF와 결합하는 것은 쉽지 않습니다. 이러한 격차를 해소하기 위해, 우리는 기존 신경망 IR 모델과 함께 사용할 수 있도록 다양한 신경망 모델을 구성 요소로 내장한 엔드투엔드(end-to-end) 신경망 PRF 프레임워크를 제안합니다. 두 개의 표준 테스트 컬렉션에 대한 광범위한 실험은 제안된 NPRF 프레임워크가 최신 두 신경망 IR 모델의 성능 향상에 효과적임을 확인해주었습니다.