CORDIS - Forschungsergebnisse der EU
CORDIS

Multi-aspect and diffErenTiable Evaluation of Rankings

Projektbeschreibung

Suche nach besseren Suchmaschinensystemen

Suchmaschinen sind erstklassige Beispiele für Informationsabrufsysteme. Informationsabrufsysteme verwenden heutzutage Modelle für maschinelles Lernen und Deep Learning. Die Suche basiert auf Volltext oder einer anderen inhaltsbasierten Indizierung. Daher ordnen Informationsabrufsysteme Elemente nach Relevanz (semantische Ähnlichkeit zwischen der Benutzeranfrage und den Informationen übermittelnden Elementen). Das EU-finanzierte Projekt METER wird die Bewertungsmaßnahmen von Informationsabrufsystemen auf mehrere Aspekte ausweiten. Durch die Integration dieser neuen Maßnahmen in Algorithmen für das maschinelle Lernen wird das Projekt Informationsabrufsysteme mit mehreren Aspekten entwickeln. Das Projekt wird auch Bewertungsmaßnahmen von Informationsabrufsystemen analysieren, um die Differenzierbarkeit in Form von Eigenschaften zu nutzen und die Suche nach lokalen Minima für Verlustfunktionen bei Informationsabrufsystemen zu verbessern. Die Ergebnisse werden unser Verständnis der Funktionsweise von Suchmaschinen verbessern.

Ziel

Information Retrieval (IR) deals with the automatic retrieval and ranking of information conveying items, which are relevant to a specific information need, from a large collection of items. Search engines are the most popular and well known examples of IR systems.

State-of-the-art IR systems use sophisticated Machine Learning (ML) and Deep Learning (DL) models. Those models usually minimize a loss function which is built upon an IR evaluation measure, i.e. a measure that evaluates the quality of a ranked list of items.

This project, Multi-aspect and diffErenTiable Evaluation of Rankings (METER), will tackle two open challenges for state-of-the-art IR systems. First, traditionally IR systems ranks items only by relevance, estimated as the semantic similarity between the user query and the information conveying items. However, beside relevance, understandability and trustworthines are fundamental for health search, or credibility and correctness should be considered for news search. Therefore, the first goal of METER will be to extend IR evaluation measures to deal with mutiple aspects. Then, these new evaluation measures will be integrated in ML algorithms, to develop multi-aspect IR systems.

Second, IR measures are non-continuous and non-differentiable. This represents an issue for ML algorithms, which usually exploit gradient based approaches to minize the loss function. Therefore, the second goal of METER will be to thoroughly analyze IR evaluation measures and propose differentiability like properties which will help for the search of minima of the loss function.

Therefore, METER has the potential for making both a scientific and a societal impact: 1) multi-aspect measures will be used to account for several aspect and improve the effectiveness of IR systems in different domains; 2) differentiability like properties will be exploited to improve the search of local minima for IR loss functions and better understand how this search is performed.

Koordinator

KOBENHAVNS UNIVERSITET
Netto-EU-Beitrag
€ 207 312,00
Adresse
NORREGADE 10
1165 Kobenhavn
Dänemark

Auf der Karte ansehen

Region
Danmark Hovedstaden Byen København
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 207 312,00