Dissertação

Relevance ranking for Web Search EVALUATED

Ordenar documentos de acordo com a sua relevância é um problema fulcral na área de Recuperação de Informação. Para uma certa query e um conjunto de documentos, um algoritmo é treinado para determinar o grau de relevância de cada documento em relação à query. Uma lista é depois construída com os documentos todos ordenados por ordem descendente, consuante os seus graus de relevância. Recentemente, modelos neurais têm conseguido bons resultados ao capturarem com sucesso sinais de relevância entre um par query-documento. Esta dissertação estuda o recente modelo Position-Aware Convolutional-Recurrent Relevance Matching. Numa primeira fase, o modelo é reimplementado, os resultados são reproduzidos e são identificadas várias limitações do modelo. Numa segunda fase, são explorados possíveis melhoramentos do modelo, utilizando algumas técnicas de deep learning. Experiências usando data do conhecido TREC Web Track mostram como é possível obter pequenos ganhos em relação ao modelo original, e apontam para várias limitações da abordagem ao problema.
Recuperação de Informação, Ordenação por Relevância, Deep Learning, Attention Mechanisms, Rede Neural Convolucional

Maio 16, 2018, 11:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Ramón Fernandez Astudillo

Especialista

ORIENTADOR

João Paulo Baptista de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado