基于教程的结构诱导负采样用于法定文件检索
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
本文介绍了多种无监督学习方法，如弱监督自动摘要评估、结构感知负采样和对比学习，强调这些方法在文本表示和检索性能上的显著提升，尤其在语义相似度和开放领域问答中的应用效果。
❓
Q&A
什么是弱监督自动摘要评估方法？
弱监督自动摘要评估方法通过将现有摘要数据集中的大量数据与损坏的参考摘要进行配对来训练，证明了其在语言质量评估方面的优势。
结构感知负采样(SANS)的优势是什么？
结构感知负采样(SANS)具有与现有方法相媲美的性能，且不需要额外的参数或复杂的优化。
CARDS方法如何改善文本对比学习？
CARDS方法通过改进正负样本的质量，使用switch-case增强方式来对抗预训练模型的偏态，显著优于现有方法。
ClusterNS方法的主要功能是什么？
ClusterNS方法引入聚类信息进行负样本选择，在无监督句子表示学习中表现优异。
如何通过图神经网络模型提高法律文本检索性能？
结合法律文本组织结构的图神经网络模型，通过稠密检索有效提高了检索性能。
SimANS方法在负采样中有什么创新？
SimANS方法通过使用新的采样概率分布选择歧义性更大的负例，显示出更高的有效性。
🏷️
