論文の概要: XViewRank: Overlap-Conditioned Score Fusion for LLM-Augmented Sparse Retrieval

• arxiv url: http://arxiv.org/abs/2610.20122v1
• Date: Wed, 14 Oct 2026 12:44:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.159602
• Title: XViewRank: Overlap-Conditioned Score Fusion for LLM-Augmented Sparse Retrieval
• Title（参考訳）: XViewRank: LLM強化スパース検索のためのオーバーラップコンディションスコアフュージョン
• Abstract要約: 本稿では,XViewRankを提案する。XViewRank,XViewRank,XViewRank,XViewRank,XViewRank,XViewRank,XViewRank,XViewRank,XViewRank。 各プールされた候補に対して、XViewRankは3つの正規化されたBM25スコアと、取得した結果セット間のクエリレベルのオーバーラップを保持する。 一致した入力プロトコルの下で、XViewRankはTREC DL 2019と2020の相互階級融合よりもnDCG@10とMAPを数値的に改善し、DL19のMAPゲインは統計的に有意である。
• 参考スコア（独自算出の注目度）: 18.652632514778414
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models can reduce vocabulary mismatch in sparse retrieval by generating alternative views of a query. Once these views are searched independently, however, their ranked lists may be complementary, redundant, or affected by query drift, making fixed fusion suboptimal. We present XViewRank, a lightweight retrieval-side method for conditionally fusing BM25 results from an original query, a hypothesis view, and a step-back view. For each pooled candidate, XViewRank retains three normalized BM25 scores and three query-level overlaps between the retrieved result sets. A small nonlinear scorer uses the overlaps as context that changes how the view-specific scores are interpreted, without jointly encoding query and passage text. Under a matched-input protocol, XViewRank improves nDCG@10 and MAP numerically over reciprocal rank fusion on both TREC DL 2019 and 2020, with a statistically significant MAP gain on DL19. Additional analyses show that the clearest benefit occurs when the view rankings have low agreement, while the evidence on DL20 is weaker. The results support overlap-conditioned score fusion as a compact retrieval-side alternative to fixed fusion, while also delimiting where its advantage is empirically established.
• Abstract（参考訳）: 大規模な言語モデルは、クエリの代替ビューを生成することでスパース検索における語彙ミスマッチを減らすことができる。 しかし、一度これらのビューが独立して検索されると、それらのランクリストは補足的、冗長、あるいはクエリドリフトの影響を受け、固定された融合が最適になる。 本稿では,XViewRankを提案する。XViewRank,XViewRank,XViewRank,XViewRank,XViewRank,XViewRank,XViewRank,XViewRank,XViewRank。 各プールされた候補に対して、XViewRankは3つの正規化されたBM25スコアと、取得した結果セット間のクエリレベルのオーバーラップを保持する。 小さな非線形スコアラは、クエリとパステキストを共同でエンコードすることなく、ビュー固有のスコアがどのように解釈されるかを変更するコンテキストとしてオーバーラップを使用する。 一致した入力プロトコルの下では、XViewRank は TREC DL 2019 と 2020 の相互階級融合よりも nDCG@10 と MAP を数値的に改善し、DL19 では統計的に有意な MAP ゲインを達成している。 追加分析では、DL20の証拠が弱いのに対して、ビューランキングが低調な場合に最も明確な利益が生じることが示された。 その結果、重畳条件のスコア融合は、固定融合に代わるコンパクトな検索側としてサポートされ、また、その利点が実験的に確立された場所を区別する。

関連論文リスト

• Cascaded Retrieval with Cross-Modal Query Refinement for Efficient Visual Document Search [54.48124421246385]
  現在の視覚言語レトリバーは、コーパスサイズとともに成長し、スケールすることができないクエリ時間コストを発生させる。 本稿では,検索性能を徹底検索から分離する2トラック検索フレームワークSCOUTを提案する。 SCOUTを4つの主要なベンチマークで評価し、最高のベースラインに対して80.7倍(平均28.8倍)のクエリ時間遅延改善を観測した。
  論文  参考訳（メタデータ） (2026-10-14T15:40:27Z)
• Faithful Query Resolution for Conversational Search [3.2801975324657366]
  BM25とSPLADE検索を用いて,行動適応型アシスタント内の5つのクエリ生成構成を比較した。 最小限の忠実なリゾルバはユーザの言葉を保存し、コンテキストに依存した参照のみを解決します。 重み付けされた相互の階調融合は、そのランクと、学習されたリライターと生の発話のランクを組み合わせる。
  論文  参考訳（メタデータ） (2026-10-10T16:19:12Z)
• Action-Aligned Retrieval with Pairwise Multimodal Reranking for Text-Based Person Anomaly Search [10.617164505348283]
  テキストに基づく人物異常検索は、見た目よりもよりきめ細かな、文脈に依存した行動に基づいて個人を識別する必要がある。 既存のメソッドは、これらのコンテキスト条件のアクションをキャプチャするのに苦労する。 本稿では,アクション整合検索とペアワイズ・マルチモーダル・リグレードを組み合わせた3段階間粗大化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-24T17:04:34Z)
• Evidence-Unit Fairness and the Limits of Query-Adaptive Sparse-Dense Fusion in Financial Document Retrieval [4.371552631761563]
  本研究では,企業10-K申請に対するエキスパートアノテート質問のベンチマークであるFinDERについて,スパース・ディエンスハイブリッド検索について検討した。 検索ユニットが高密度エンコーダの入力ウィンドウよりも大きい場合、高密度モデルはラベル付きエビデンスの大部分を決して見ることができない。 修正されたコーパスでは、BM25とコンパクトな高密度エンコーダを融合させることで、参照レベルhit@10はどちらのコンポーネントよりも約28%向上する。
  論文  参考訳（メタデータ） (2026-07-31T18:06:58Z)
• Re-Rankers as Relevance Judges [65.37611299805856]
  再ランカ・アズ・レバレンス・ジャッジ設定で再ランカを再現する。 TREC-DL 2019〜2023では,220Mから32Bの3家族から8人の再ランカを対象に実験を行い,再ランカに基づく審査員による評価バイアスを分析した。
  論文  参考訳（メタデータ） (2026-01-08T00:02:59Z)
• Reasoning-enhanced Query Understanding through Decomposition and Interpretation [87.56450566014625]
  ReDIは、分解と解釈によるクエリ理解のための推論強化アプローチである。 我々は,大規模検索エンジンから実世界の複雑なクエリの大規模データセットをコンパイルした。 BRIGHT と BEIR の実験により、ReDI はスパースと密度の高い検索パラダイムの両方において、強いベースラインを一貫して超えることを示した。
  論文  参考訳（メタデータ） (2025-09-08T10:58:42Z)
• InsertRank: LLMs can reason over BM25 scores to Improve Listwise Reranking [3.1125398490785217]
  InsertRankはLLMベースのリランカで、リランク中のBM25スコアなどの語彙信号を活用して、検索性能をさらに向上する。 Deepseek-R1では、InsertRankはBRIGHTベンチマークで37.5点、R2MEDベンチマークで51.1点を獲得し、以前の手法を上回りました。
  論文  参考訳（メタデータ） (2025-06-17T01:04:45Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。