Unsupervised Dense Information Retrieval with Contrastive Learning

Unsupervised Dense Information Retrieval with Contrastive Learning
Data	2021
Autori	Gautier Izacard, Mathilde Caron, Lucas Hosseini, Sebastian Riedel, Piotr Bojanowski, Armand Joulin, Edouard Grave
URL	https://www.semanticscholar.org/paper/4f4a409f701f7552d45c46a5b0fea69dca6f8e84
Topic	Information Retrieval
Citazioni	615

Questo studio esplora l'information retrieval denso non supervisionato mediante l'apprendimento contrastivo. L'obiettivo è migliorare la similarità semantica e l'efficacia della ricerca, in particolare in situazioni con pochi dati di addestramento o in contesti multilingue. I risultati mostrano che questo approccio supera i metodi tradizionali come BM25 in molti casi e offre un promettente punto di partenza per l'addestramento con dati limitati. Inoltre, dimostra buone capacità di trasferimento cross-linguale, aprendo nuove possibilità per la ricerca in lingue a basse risorse.