DenoiseRank: Modello Generativo a Diffusione per l'Apprendimento del Ranking
I ricercatori hanno introdotto DenoiseRank, un nuovo approccio all'apprendimento del ranking (LTR) che riformula il compito da una prospettiva generativa utilizzando modelli di diffusione. I metodi LTR tradizionali sono prevalentemente discriminativi, ma DenoiseRank applica un processo di diffusione per aggiungere rumore alle etichette rilevanti e poi le denoisa sui documenti della query in modo inverso, prevedendo accuratamente la loro distribuzione. Questo è il primo modello generativo basato su diffusione per LTR. Esperimenti su dataset benchmark dimostrano la sua efficacia, stabilendo un nuovo punto di riferimento per i compiti LTR generativi. L'articolo è disponibile su arXiv.
Fatti principali
- DenoiseRank è un modello di diffusione per l'apprendimento del ranking.
- Affronta l'LTR da una prospettiva generativa, a differenza dei modelli discriminativi tradizionali.
- Il modello aggiunge rumore alle etichette rilevanti nel processo di diffusione e le denoisa sui documenti della query.
- È il primo metodo di diffusione per LTR.
- Esperimenti su dataset benchmark mostrano efficacia.
- L'articolo è pubblicato su arXiv nella sezione computer science information retrieval.
- Il modello fornisce un punto di riferimento per i compiti LTR generativi.
- L'approccio utilizza la modellazione generativa profonda per il ranking.
Entità
Istituzioni
- arXiv