European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Multi-aspect and diffErenTiable Evaluation of Rankings

Descripción del proyecto

En busca de sistemas de motores de búsqueda mejores

Los motores de búsqueda son ejemplos principales de sistemas de recuperación de información (RI). Los sistemas de RI actuales se basan en modelos de aprendizaje automático y aprendizaje profundo. Las búsquedas se basan en texto completo u otros tipos de indexación basada en contenidos. Así, los sistemas de RI clasifican el elemento por relevancia (similitud semántica entre la consulta del usuario y los elementos que transmiten la información). El proyecto METER, financiado con fondos europeos, ampliará las medidas de evaluación de RI para abordar múltiples aspectos. Al integrar estas nuevas medidas en algoritmos de AA, el proyecto desarrollará sistemas RI plurifacéticos. El proyecto también analizará medidas de evaluación de RI para hacer uso de la diferenciabilidad en forma de propiedades, con el fin de mejorar la búsqueda de mínimos locales en caso de pérdida de funciones de la RI. Los resultados del proyecto permitirán conocer mejor cómo funcionan los motores de búsqueda.

Objetivo

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.

Coordinador

KOBENHAVNS UNIVERSITET
Aportación neta de la UEn
€ 207 312,00
Dirección
NORREGADE 10
1165 Kobenhavn
Dinamarca

Ver en el mapa

Región
Danmark Hovedstaden Byen København
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
€ 207 312,00