TUA1 at the TREC 2019: Deep Learning Track
TUA1 at the TREC 2019: Deep Learning Track
复制标题
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Yun Gao;Xin Kang;F. Ren;Haitao Yu
中科院分区：
文献类型：
--
作者：
Yun Gao;Xin Kang;F. Ren;Haitao Yu
本文详细介绍了我们参与 TREC 2019 深度学习 Track 任务，包括 Passage Ranking 任务。在Passage Ranking任务的Top-1000 Re-ranking子任务中，我们基于Conv-KNRM和BERT技术进行了Passage排序。为了获得更好的排名结果，我们将任务分为两个阶段。在第一阶段，我们使用 Conv-KNRM 模型进行初始排名，然后在第二阶段，我们将结果与最先进的 BERT 重新排名器相结合。
This paper details our participation in the TREC 2019 Deep Learning Track task including Passage Ranking task. In the Top-1000 Re-ranking subtask of Passage Ranking task, we performed passage ranking based on the technique of Conv-KNRM and BERT. In order to get a better ranking result, we divided the task into two stages. In the first stage we use Conv-KNRM model for initial ranking, then in the second stage we combine the results with a state-of-the-art BERT re-ranker.