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.
maio 16, 2018, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
João Paulo Baptista de Carvalho
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado