paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
SK

Sanjeev Khudanpur

SIGIR 2026检索与知识可解释性效率与系统
新星分资深
12
一作贡献0
核心/参与0
方向广度6
合作网络6
0 一作 · 1 篇 · SIGIR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #5/5SIGIR 2026Poster· Information Retrieval (Short)

Clustering-Based Methods for Vector-Based Pseudo-Relevance Feedback

Xavier Velez · Andrew Yates · Eugene Yang · Trevor Adriaanse · Sanjeev Khudanpur

摘要

Prior work has shown that vector-based pseudo relevance feedback (PRF) is an effective technique for query expansion for improving retrieval results in dense information retrieval. In dense retrieval, ColBERT-PRF has emerged as a novel mechanism, using cluster centroids built from feedback docume...

检索与知识可解释性效率与系统OpenReview

常见合作者