Query2doc: Query Expansion with Large Language Models

要約

この文書では、スパース検索システムとデンス検索システムの両方を改善するために、query2doc と呼ばれる、シンプルかつ効果的なクエリ拡張アプローチを紹介します。
提案手法はまず、少数ショットプロンプト大規模言語モデル (LLM) によって疑似ドキュメントを生成し、次に生成された疑似ドキュメントでクエリを拡張します。
LLM は Web スケールのテキスト コーパスでトレーニングされており、知識の暗記に熟達しています。
LLM からの疑似ドキュメントには、クエリの曖昧さをなくし、取得者のガイドとなる関連性の高い情報が含まれていることがよくあります。
実験結果は、query2doc がモデルの微調整を行わずに、MS-MARCO や TREC DL などのアドホック IR データセットで BM25 のパフォーマンスを 3% ～ 15% 向上させることを示しています。
さらに、私たちの方法は、ドメイン内とドメイン外の両方の結果の点で最先端のデンス・リトリーバーにも利益をもたらします。

要約(オリジナル)

This paper introduces a simple yet effective query expansion approach, denoted as query2doc, to improve both sparse and dense retrieval systems. The proposed method first generates pseudo-documents by few-shot prompting large language models (LLMs), and then expands the query with generated pseudo-documents. LLMs are trained on web-scale text corpora and are adept at knowledge memorization. The pseudo-documents from LLMs often contain highly relevant information that can aid in query disambiguation and guide the retrievers. Experimental results demonstrate that query2doc boosts the performance of BM25 by 3% to 15% on ad-hoc IR datasets, such as MS-MARCO and TREC DL, without any model fine-tuning. Furthermore, our method also benefits state-of-the-art dense retrievers in terms of both in-domain and out-of-domain results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google