实体级知识密集检索模型

生物医学检索更准

在密集检索模型中引入实体级外部知识，弥合查询与文档间的语义鸿沟，显著提升生物医学检索的排序质量。

Tan, Jiajie · 胡金龙 · 董守斌

Computers in Biology and Medicine 2023

参数信息

NDCG@10 提升幅度

5 %

技术优势

检索更准

通过实体嵌入与文本的融合，弥合查询与文档间的语义鸿沟，NDCG@10 在两个数据集上比 coCondenser 至少高 5%。

不牺牲速度

架构虽更复杂，但平均查询延迟与其他高效方法处于同一数量级，不影响实际部署的响应性能。

实体知识可用

通过额外的自注意力和信息交互模块，将知识图谱的实体嵌入融入 Transformer 层，使模型能够显式利用外部实体知识。

应用场景

• 生物医学文献检索：提升生物医学文献搜索的排序质量，让用户更快找到相关研究。
• 基于文本的疾病关联预测：通过更准确的文本匹配，从文献中挖掘疾病与基因、药物等的关联。
• 临床决策支持：为临床问题提供更相关的文献证据，辅助医生做出决策。
• 药物重定位中的文献挖掘：从海量文献中精准找到药物与疾病的潜在关联，加速药物重定位。