728x90
반응형

Dense Retrieval 2

Cross-Encoder Rerank

개요Cross-Encoder Rerank는 대규모 검색 시스템에서 초기 검색 결과(candidate set)에 대해 문서와 쿼리를 함께 입력으로 사용하여, 정밀한 의미 기반 점수를 계산하고 상위 결과를 재정렬하는 방식의 랭킹 기법이다. Dense Retrieval의 효율성과 Cross-Encoder의 정밀도를 결합한 Hybrid Search 시스템에서 주로 사용된다.1. 개념 및 정의 항목 설명 정의문서-쿼리 쌍을 입력으로 받아 의미 유사도를 계산하는 딥러닝 기반 랭커 모델목적초기 검색 결과 중 의미적으로 정확한 상위 결과를 선별필요성Dense Vector 유사도 기반 검색의 정밀도 한계를 극복Semantic Search, RAG, QA 시스템 등에서 핵심 역할을 수행한다.2. 특징특징설명비교쿼리-문서..

Topic 2026.01.15

monoT5

개요monoT5는 Google의 T5(Text-to-Text Transfer Transformer) 모델을 기반으로 구축된 랭킹 모델로, 정보 검색(IR)에서 쿼리와 문서의 관련성을 평가하고 정렬하는 데 사용된다. 주로 Dense Retrieval 또는 BM25 등 초기 검색 결과(candidate set)에 대해 재정렬(rerank)하는 용도로 활용되며, Pointwise 방식으로 학습된다.1. 개념 및 정의 항목 설명 정의T5 모델을 활용하여 문서-쿼리 쌍의 관련성 점수를 예측하는 랭킹 모델목적정보 검색 결과의 정밀도 향상 및 사용자 응답의 질 개선필요성초기 검색 결과의 의미적 정합성을 보완하여 정밀한 문서 추천 실현monoT5는 다양한 쿼리-문서 데이터셋(MSMARCO 등) 기반으로 사전학습되었다..

Topic 2025.12.02
728x90
반응형