بهبود رتبه بندي با استفاده از BERT

رتبه‌بندي كارآمد اسناد در عصر اطلاعات امروز، نقش مهمي در سيستم‌هاي بازيابي اطلاعات ايفا مي‌كند. اين مقاله يك رويكرد جديد براي رتبه‌بندي اسناد با استفاده از مدل‌هاي درون‌سازي با تمركز بر مدل زباني BERT براي بهبود نتايج رتبه‌بندي ارائه مي‌كند. رويكرد پيشنهادي از روش‌هاي درون‌سازي واژگان براي به‌تصويركشيدن نمايش‌هاي معنايي پرس‌وجوهاي كاربر و محتواي سند استفاده مي‌كند. با تبديل داده‌هاي متني به بردارهاي معنايي، ارتباط و شباهت بين پرس‌و‌جوها و اسناد تحت روابط رتبه‌بندي پيشنهادي با هزينه كمتر مورد ارزيابي قرار مي‌گيرد. روابط رتبه‌بندي پيشنهادي عوامل مختلفي را براي بهبود دقت در نظر مي‌گيرند كه اين عوامل شامل بردارهاي درون‌سازي واژگان، مكان واژگان كليدي و تأثير واژگان باارزش در رتبه‌بندي بر مبناي بردارهاي معنايي است. آزمايش‌ها و تحليل‌هاي مقايسه‌اي براي ارزيابي اثربخشي روابط پيشنهادي اعمال گرديده است. نتايج تجربي، اثربخشي رويكرد پيشنهادي را با دستيابي به دقت بالاتر در مقايسه با روش‌هاي رتبه‌بندي رايج نشان مي‌دهند. اين نتايج بيانگر آن مسئله است كه استفاده از مدل‌هاي درون‌سازي و تركيب آن در روابط رتبه‌بندي پيشنهادي به‌طور قابل توجهي دقت رتبه‌بندي را تا 0.87 در بهترين حالت بهبود مي‌بخشد. اين بررسي به بهبود رتبه‌بندي اسناد كمك مي‌كند و پتانسيل مدل درون‌سازي BERT را در بهبود عملكرد رتبه‌بندي نشان مي‌دهد.