论文研究信息检索中查询扩展性能差异的解释
Get the story
2026年10月8日，arXiv（Information Retrieval，一手来源）发表研究，提出理想扩展查询（IEQ）与可分性两种互补视角，用于解释查询扩展（QE）在信息检索中的性能差异。论文给出逼近IEQ的实用公式与可分性度量，基于BM25检索模型，在TREC Robust、TREC DL 2019-2022段落与TREC DL 2019-2020文档数据集上开展实验。结果显示，越接近理想扩展查询的检索效果越好，相关与不相关文档的可分性可补充解释QE性能。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Information Retrieval信息检索中查询扩展性能的解释研究
研究提出理想扩展查询（IEQ）与可分性两种互补视角，用于解释查询扩展（QE）在信息检索中的性能差异。论文给出逼近 IEQ 的实用公式与可分性度量，基于 BM25 检索模型，在 TREC Robust、TREC DL 2019-2022 段落与 TREC DL 2019-2020 文档数据集上实验。结果显示，越接近理想扩展查询的检索效果越好，相关与不相关文档的可分性可补充解释 QE 性能。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.