> ML_LITERATURE // KARPUKHIN-2020-DENSE-PASSAGE-RETRIEVAL-OPEN-DOMAIN-QA_v1.0
Dense Passage Retrieval for Open-Domain Question Answering (DPR)
Vladimir Karpukhin, Barlas Oğuz, Sewon Min, Patrick Lewis, Ledell Wu, Sergey Edunov, Danqi Chen, Wen-tau Yih · Conference on Empirical Methods in Natural Language Processing (EMNLP) (2020)
algorithm2020industry-standardthirdPartyReproduced
Temel Katkı (Principal Contribution)
Sorguları ve pasajları yoğun 768 boyutlu vektörlere eşleyen ikili kodlayıcı mimarisinin klasik Lucene BM25 seyrek eşleşmesinden daha üstün olduğunu kanıtladı.
Operasyonel ve Mühendislik Uygunluğu
task-question-answering, task-feature-extraction için mimari kararları, hizalama stratejisini ve sunum altyapısını doğrudan yönlendirir.
Temel Varsayımlar (Assumptions)
- Ampirik dağılım düzenliliği geçerlidir ve hedef alan ön eğitim dilsel/görsel desteğine uygundur
Kısıtlar ve Sınırlamalar (Limitations)
- Kaynak ölçekleme, çıkarım bellek gereksinimleri ve hizalama sağlamlığı model boyutuna ve donanım topolojisine göre değişir
Bağlantılı Algoritmalar, Mimariler ve Kütüphaneler
İlgili Algoritmalar:
İlgili Mimariler:
Uygulayıcı Kütüphaneler: