H+ Embedding: Un Nuovo Modello di Recupero per Domini ad Alta Intensità Terminologica

Un nuovo modello di recupero multi-granularità chiamato H+ Embedding è stato sviluppato dai ricercatori per affrontare le difficoltà associate al recupero ad alta intensità terminologica, soprattutto in contesti medici e scientifici. Questo modello prevede segmenti di frasi di lunghezza variabile, tratta i token non coperti come entità individuali e utilizza la selezione di unità guidata dall'importanza attraverso l'interazione MaxSim pesata. Il suo obiettivo è conciliare i limiti dei recuperatori a vettore singolo, che tendono a comprimere eccessivamente i segnali di rilevanza locale, con le tecniche di interazione tardiva a livello di token che comportano costi elevati di indicizzazione e archiviazione. Nei test che hanno coinvolto 16 compiti scientifici, medici e bilingui, la componente di recupero per frasi di H+ Embedding ha superato la componente di recupero globale di 6,91 macro nDCG@10, avvicinandosi strettamente alle prestazioni dei metodi a livello di token più costosi. L'articolo di ricerca è disponibile su arXiv con l'identificatore 2608.00065.