語言向量

深度分析

「Shift」索引端特徵轉換：降低多語言資訊檢索語言偏差的實證研究

隨著跨語言文本資料激增，多語言資訊檢索（MLIR）成為全球資訊存取的關鍵技術。然而，現代密集檢索模型普遍偏好與查詢語言相同的文件，導致語言偏差。研究提出「Shift」——一種在索引階段使用平行翻譯對估計相對語言向量，並在文件嵌入上減去該向量的訓練免除方法。