山东大学学报(理学版)

作者：朱铭洋, 黄于欣, 余正涛

单位：1. 昆明理工大学信息工程与自动化学院, 云南 昆明 650500;2.昆明理工大学云南省人工智能重点实验室, 云南 昆明 650500

关键词：信息检索,冗长查询,查询缩略,关键概念,潜在概念,

基金：国家自然科学基金资助项目(62266027,U21B2027,U23A20388);云南省科技重大专项资助项目(202302AD080003,202303AP140008);云南省基础研究重大专项资助项目(202401BC070021);昆明理工大学“双一流”创建联合专项资助项目(202201BE070001-021)

查询缩略旨在通过简化和精炼冗长的查询输入,保留其中的关键信息来提升检索结果的召回率和准确率。然而,传统方法通常是基于统计或基于预训练模型来提取冗长查询中的关键词作为检索输入,难以应对查询的复杂性(如同义词和多义词),且在保留查询核心内容时容易丢失关键信息。针对以上问题,提出一种融合关键概念和潜在概念的冗长查询缩略方法,将代表查询核心内容的关键概念和对理解查询重要但未明确表达的潜在概念相结合,从而生成更完整和有效的查询。具体而言,首先利用预训练模型来生成简短有效的查询作为关键概念,然后使用伪相关反馈方法从原始查询的相关文档集中挖掘潜在概念,最后,将两者聚合作为最终的查询缩略结果,实现冗长查询检索。实验结果表明,在Robust2004数据集上使用密集检索模型评估时,相比基线模型,文中提出的方法在R@1000和NDCG@10两个指标上分别提高2.1%和3.6%。

来源：2026年第3期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2026年第3期