Víceúrovňové metody pro document retrieval nad českými texty

Abstract

Tato práce se zabývá úkolem vyhledávání dokumentů ve velkém měřítku pomocí vícesúrovňových metod pro hledání dokumentů. Kombinuje dvě fáze vyhledávání: předvýběr dokumentů a přeřazení dokumentů. Zvažuje klasické přístupy vyhledávání dokumentů jako jsou TF-IDF a BM25 v první fázi a moderní Transformers sítě ve druhé fázi. Vyhodnocuje a porovnává architektury Cross-Attention a Two-Tower v různých nastaveních.

This work tackles the task of large-scale document retrieval by utilizing multi-stage methods for document retrieval. It combines two retrieval stages: document preselection and document reranking. It considers classic DR approaches such as TF-IDF and BM25 in the first stage and modern Transformer networks in the second stage. It evaluates and compares the Cross-Attention and Two-Tower architectures in various setups.