Buchumschlag

GLARE: Guided LexRank for Advanced Retrieval in Legal Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gregório, Fabio, Castro, Rafaela, Belloze, Kele, Lopes, Rui Pedro, Bezerra, Eduardo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Probing Ranking LLMs: A Mechanistic Analysis for Information Retrieval
von: Chowdhury, Tanya, et al.
Veröffentlicht: (2024)

Multimodal Data Curation Through Ranked Retrieval
von: Muthukumar, Pratyush, et al.
Veröffentlicht: (2026)

UniPinRec: Unifying Generative Retrieval and Ranking at Pinterest Scale
von: Li, Hanyu, et al.
Veröffentlicht: (2026)

Practical and Robust Safety Guarantees for Advanced Counterfactual Learning to Rank
von: Gupta, Shashank, et al.
Veröffentlicht: (2024)

LegalRAG: A Hybrid RAG System for Multilingual Legal Information Retrieval
von: Kabir, Muhammad Rafsan, et al.
Veröffentlicht: (2025)

Two-stage Risk Control with Application to Ranked Retrieval
von: Xu, Yunpeng, et al.
Veröffentlicht: (2024)

Yambda-5B -- A Large-Scale Multi-modal Dataset for Ranking And Retrieval
von: Ploshkin, A., et al.
Veröffentlicht: (2025)

A Unified Retrieval Framework with Document Ranking and EDU Filtering for Multi-document Summarization
von: Tan, Shiyin, et al.
Veröffentlicht: (2025)

FullRecall: A Semantic Search-Based Ranking Approach for Maximizing Recall in Patent Retrieval
von: Ali, Amna, et al.
Veröffentlicht: (2025)

AMES: Approximate Multi-modal Enterprise Search via Late Interaction Retrieval
von: Joseph, Tony, et al.
Veröffentlicht: (2026)

Adaptive Two-Phase Finetuning LLMs for Japanese Legal Text Retrieval
von: Trung, Quang Hoang, et al.
Veröffentlicht: (2024)

MRAMG-Bench: A Comprehensive Benchmark for Advancing Multimodal Retrieval-Augmented Multimodal Generation
von: Yu, Qinhan, et al.
Veröffentlicht: (2025)

Ontology-Guided Query Expansion for Biomedical Document Retrieval using Large Language Models
von: Nazi, Zabir Al, et al.
Veröffentlicht: (2025)

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

Learning Behaviorally Grounded Item Embeddings via Personalized Temporal Contexts
von: Sereicikas, Rafael T., et al.
Veröffentlicht: (2026)

Collaborative Filtering Through Weighted Similarities of User and Item Embeddings
von: Pires, Pedro R., et al.
Veröffentlicht: (2026)

RewardRank: Optimizing True Learning-to-Rank Utility
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2025)

A Design Space for Explainable Ranking and Ranking Models
von: Hazwani, I. Al, et al.
Veröffentlicht: (2022)

Metric-agnostic Learning-to-Rank via Boosting and Rank Approximation
von: Gomez, Camilo, et al.
Veröffentlicht: (2026)

Robust Generalizable Heterogeneous Legal Link Prediction
von: Wendlinger, Lorenz, et al.
Veröffentlicht: (2026)

Rank1: Test-Time Compute for Reranking in Information Retrieval
von: Weller, Orion, et al.
Veröffentlicht: (2025)

Proximal Ranking Policy Optimization for Practical Safety in Counterfactual Learning to Rank
von: Gupta, Shashank, et al.
Veröffentlicht: (2024)

RankSHAP: Shapley Value Based Feature Attributions for Learning to Rank
von: Chowdhury, Tanya, et al.
Veröffentlicht: (2024)

AI Guided Accelerator For Search Experience
von: Yetukuri, Jayanth, et al.
Veröffentlicht: (2025)

Estimating the Hessian Matrix of Ranking Objectives for Stochastic Learning to Rank with Gradient Boosted Trees
von: Kang, Jingwei, et al.
Veröffentlicht: (2024)

The Bandit's Blind Spot: The Critical Role of User State Representation in Recommender Systems
von: Pires, Pedro R., et al.
Veröffentlicht: (2026)

Exploitation Over Exploration: Unmasking the Bias in Linear Bandit Recommender Offline Evaluation
von: Pires, Pedro R., et al.
Veröffentlicht: (2025)

CaliCausalRank: Calibrated Multi-Objective Ad Ranking with Robust Counterfactual Utility Optimization
von: Yang, Xikai, et al.
Veröffentlicht: (2026)

Personalized Recommendation of Dish and Restaurant Collections on iFood
von: Granado, Fernando F., et al.
Veröffentlicht: (2025)

Few-shot Prompting for Pairwise Ranking: An Effective Non-Parametric Retrieval Model
von: Sinhababu, Nilanjan, et al.
Veröffentlicht: (2024)

RRCM: Ranking-Driven Retrieval over Collaborative and Meta Memories for LLM Recommendation
von: Li, Shijun, et al.
Veröffentlicht: (2026)

Scalable In-context Ranking with Generative Models
von: Gupta, Nilesh, et al.
Veröffentlicht: (2025)

Learning Cascade Ranking as One Network
von: Wang, Yunli, et al.
Veröffentlicht: (2025)

LexRAG: Benchmarking Retrieval-Augmented Generation in Multi-Turn Legal Consultation Conversation
von: Li, Haitao, et al.
Veröffentlicht: (2025)

Advancing Vietnamese Information Retrieval with Learning Objective and Benchmark
von: Nguyen, Phu-Vinh, et al.
Veröffentlicht: (2025)

Leveraging Retrieval-Augmented Generation for Persian University Knowledge Retrieval
von: Hemmat, Arshia, et al.
Veröffentlicht: (2024)

A Self-boosted Framework for Calibrated Ranking
von: Zhang, Shunyu, et al.
Veröffentlicht: (2024)

Residual Multi-Task Learner for Applied Ranking
von: Fu, Cong, et al.
Veröffentlicht: (2024)

Improving Neural Retrieval with Attribution-Guided Query Rewriting
von: Garouani, Moncef, et al.
Veröffentlicht: (2026)

MLPlatt: Simple Calibration Framework for Ranking Models
von: Bajger, Piotr, et al.
Veröffentlicht: (2026)