该文综述了信息检索中结合知识库与神经排序的多项研究,包括:利用单词-实体交互生成排序特征,将知识图谱引入神经搜索以提升泛化能力;改进深度相关匹配模型;提出DREEAM解决文档级关系抽取证据检索的内存与标注问题;探讨实体丰富问题在密集检索中的不足及改进;用深度强化学习生成查询改写;以双编码器实现实体链接;用自注意力Transformer重排长文档;提出EBRM提升电商搜索相关性;并用分层循环网络建模搜索上下文以提升检索性能。
完成下面两步后,将自动完成登录并继续当前操作。