Buchumschlag

Distilled Neural Networks for Efficient Learning to Rank

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nardini, F. M., Rulli, C., Trani, S., Venturini, R.
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Artificial Intelligence Information Retrieval Performance
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Blending Learning to Rank and Dense Representations for Efficient and Effective Cascades
von: Nardini, Franco Maria, et al.
Veröffentlicht: (2025)

Efficient Multivector Retrieval with Token-Aware Clustering and Hierarchical Indexing
von: Martinico, Silvio, et al.
Veröffentlicht: (2026)

CirrusBench: Evaluating LLM-based Agents Beyond Correctness in Real-World Cloud Service Environments
von: Yu, Yi, et al.
Veröffentlicht: (2026)

Efficient Sketching and Nearest Neighbor Search Algorithms for Sparse Vector Sets
von: Bruch, Sebastian, et al.
Veröffentlicht: (2025)

VectorSearch: Enhancing Document Retrieval with Semantic Embeddings and Optimized Search
von: Monir, Solmaz Seyed, et al.
Veröffentlicht: (2024)

Efficient Multi-Vector Dense Retrieval Using Bit Vectors
von: Nardini, Franco Maria, et al.
Veröffentlicht: (2024)

Efficient Inverted Indexes for Approximate Retrieval over Learned Sparse Representations
von: Bruch, Sebastian, et al.
Veröffentlicht: (2024)

RRADistill: Distilling LLMs' Passage Ranking Ability for Long-Tail Queries Document Re-Ranking on a Search Engine
von: Choi, Nayoung, et al.
Veröffentlicht: (2024)

Bridging the Gap: Unpacking the Hidden Challenges in Knowledge Distillation for Online Ranking Systems
von: Khani, Nikhil, et al.
Veröffentlicht: (2024)

Information Retrieval in the Age of Generative AI: The RGB Model
von: Garetto, Michele, et al.
Veröffentlicht: (2025)

Efficient Document Ranking with Learnable Late Interactions
von: Ji, Ziwei, et al.
Veröffentlicht: (2024)

Bounded-Abstention Pairwise Learning to Rank
von: Ferrara, Antonio, et al.
Veröffentlicht: (2025)

Pessimistic Off-Policy Optimization for Learning to Rank
von: Cief, Matej, et al.
Veröffentlicht: (2022)

A Survey on E-Commerce Learning to Rank
von: Kabir, Md. Ahsanul, et al.
Veröffentlicht: (2024)

Sparton: Fast and Memory-Efficient Triton Kernel for Learned Sparse Retrieval
von: Nguyen, Thong, et al.
Veröffentlicht: (2026)

GroupRank: A Groupwise Paradigm for Effective and Efficient Passage Reranking with LLMs
von: Long, Meixiu, et al.
Veröffentlicht: (2025)

Decoupled Entity Representation Learning for Pinterest Ads Ranking
von: Liu, Jie, et al.
Veröffentlicht: (2025)

Pairing Clustered Inverted Indexes with kNN Graphs for Fast Approximate Retrieval over Learned Sparse Representations
von: Bruch, Sebastian, et al.
Veröffentlicht: (2024)

BPL: Bias-adaptive Preference Distillation Learning for Recommender System
von: Kang, SeongKu, et al.
Veröffentlicht: (2025)

Heuristic Learning with Graph Neural Networks: A Unified Framework for Link Prediction
von: Zhang, Juzheng, et al.
Veröffentlicht: (2024)

Identifiability Matters: Revealing the Hidden Recoverable Condition in Unbiased Learning to Rank
von: Chen, Mouxiang, et al.
Veröffentlicht: (2023)

Investigating the Robustness of Counterfactual Learning to Rank Models: A Reproducibility Study
von: Niu, Zechun, et al.
Veröffentlicht: (2024)

Industry Insights from Comparing Deep Learning and GBDT Models for E-Commerce Learning-to-Rank
von: Lutz, Yunus, et al.
Veröffentlicht: (2025)

Joint Group Profiling and Recommendation via Deep Neural Network-based Multi-Task Learning
von: Le, Ngoc Luyen, et al.
Veröffentlicht: (2025)

AIRwaves at CheckThat! 2025: Retrieving Scientific Sources for Implicit Claims on Social Media with Dual Encoders and Neural Re-Ranking
von: Ashbaugh, Cem, et al.
Veröffentlicht: (2025)

Localization Boosting for Growth Markets: Mitigating Cross-Locale Behavioral Bias in Learning-to-Rank
von: Seran, Suryaa Veerabathiran, et al.
Veröffentlicht: (2026)

Learned Ranking Function: From Short-term Behavior Predictions to Long-term User Satisfaction
von: Wu, Yi, et al.
Veröffentlicht: (2024)

Scalable Neural Network Training over Distributed Graphs
von: Kolluri, Aashish, et al.
Veröffentlicht: (2023)

LightGNN: Simple Graph Neural Network for Recommendation
von: Chen, Guoxuan, et al.
Veröffentlicht: (2025)

Leveraging Auto-Distillation and Generative Self-Supervised Learning in Residual Graph Transformers for Enhanced Recommender Systems
von: Mhedhbi, Eya, et al.
Veröffentlicht: (2025)

Refined Edge Usage of Graph Neural Networks for Edge Prediction
von: Jin, Jiarui, et al.
Veröffentlicht: (2022)

Weightless Neural Networks for Continuously Trainable Personalized Recommendation Systems
von: Latif, Rafayel, et al.
Veröffentlicht: (2025)

On Storage Neural Network Augmented Approximate Nearest Neighbor Search
von: Ikeda, Taiga, et al.
Veröffentlicht: (2025)

Multivector Reranking in the Era of Strong First-Stage Retrievers
von: Martinico, Silvio, et al.
Veröffentlicht: (2026)

DFGNN: Dual-frequency Graph Neural Network for Sign-aware Feedback
von: Wu, Yiqing, et al.
Veröffentlicht: (2024)

Long Context Modeling with Ranked Memory-Augmented Retrieval
von: Alselwi, Ghadir, et al.
Veröffentlicht: (2025)

Large Language Model Distilling Medication Recommendation Model
von: Liu, Qidong, et al.
Veröffentlicht: (2024)

Aligning Dense Retrievers with LLM Utility via Distillation
von: Sandhu, Rajinder, et al.
Veröffentlicht: (2026)

Multi-Faceted Large Embedding Tables for Pinterest Ads Ranking
von: Su, Runze, et al.
Veröffentlicht: (2025)

Autoregressive Ranking: Bridging the Gap Between Dual and Cross Encoders
von: Rozonoyer, Benjamin, et al.
Veröffentlicht: (2026)