23 September 2025 in INFORMATION TECHNOLOGY AND SOCIETY
Метою даної роботи є удосконалення методу Reciprocal Rank Fusion (RRF) для підвищення точності об’єднання результатів гібридного пошуку в інформаційних системах, що використовують векторні бази даних. Гібридний пошук передбачає інтеграцію результатів, отриманих за допомогою різних стратегій пошуку – лексичних, семантичних, візуальних тощо. Однак традиційна формула RRF не враховує ступінь релевантності документів, що може призводити до ситуацій, коли низько релевантні результати однієї пошукової стратегії впливають на високо релевантні результати іншої. У результаті відбувається зміщення бажаного порядку документів у фінальному списку результатів.Методологія дослідження ґрунтується на аналізі оцінок релевантності, отриманих у процесі лексичного та семантичного пошуку. Запропоновано підхід до класифікації результатів за групами релевантності на основі поетапної деградації початкового запиту. Далі запропоновано модифіковану формулу RRF, в якій ранги документів коригуються з урахуванням групи релевантності через експоненціальну функцію. Це дозволяє зменшити вплив результатів, що мають низьку релевантність, на документи з високою відповідністю. Для експериментальної перевірки було використано датасет MS MARCO, що містить реальні пошукові запити й ручні оцінки релевантності.Порівняння класичного та модифікованого RRF здійснювалося за метрикою MRR@10.Наукова новизна роботи полягає у використанні динамічного, контекстно-залежного підходу до формування груп релевантності без необхідності в повторних зверненнях до бази даних чи індексації даних. Запропоноване рішення обмежується лише текстом запиту, що забезпечує його ефективність і не вимагає відносно великих обчислювальних витрат. На відміну від існуючих модифікацій RRF, запропонований підхід дозволяє гнучко адаптувати ваги ранжування на основі семантичного та лексичного динамічного аналізу.Висновки дослідження підтверджують, що запропонована модифікація методу RRF покращує позицію релевантного документа у результатах гібридного пошуку. Модифікований метод демонструє вищу метрику MRR@10 (0.1880 проти 0.1718 у класичному RRF), що свідчить про зменшення негативного впливу нерелевантних результатів.
11 May 2026 in Scientific notes of Taurida National V.I. Vernadsky University. Series: Technical Sciences