Buchumschlag

A Unified Retrieval Framework with Document Ranking and EDU Filtering for Multi-document Summarization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Shiyin, Park, Jaeeon, Li, Dongyuan, Jiang, Renhe, Okumura, Manabu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Taming Recommendation Bias with Causal Intervention on Evolving Personal Popularity
von: Tan, Shiyin, et al.
Veröffentlicht: (2025)

Community-Invariant Graph Contrastive Learning
von: Tan, Shiyin, et al.
Veröffentlicht: (2024)

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

Improving User Experience with Personalized Review Ranking and Summarization
von: Mufti, Muhammad, et al.
Veröffentlicht: (2025)

Unifying Ranking and Generation in Query Auto-Completion via Retrieval-Augmented Generation and Multi-Objective Alignment
von: Yuan, Kai, et al.
Veröffentlicht: (2026)

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

RankGraph: Unified Heterogeneous Graph Learning for Cross-Domain Recommendation
von: Wu, Renzhi, et al.
Veröffentlicht: (2025)

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

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

DyG-Mamba: Continuous State Space Modeling on Dynamic Graphs
von: Li, Dongyuan, et al.
Veröffentlicht: (2024)

Understanding and Scaling Collaborative Filtering Optimization from the Perspective of Matrix Rank
von: Loveland, Donald, et al.
Veröffentlicht: (2024)

Thesis: Document Summarization with applications to Keyword extraction and Image Retrieval
von: Sundararaj, Jayaprakash
Veröffentlicht: (2024)

RankRAG: Unifying Context Ranking with Retrieval-Augmented Generation in LLMs
von: Yu, Yue, et al.
Veröffentlicht: (2024)

RGL: A Graph-Centric, Modular Framework for Efficient Retrieval-Augmented Generation on Graphs
von: Li, Yuan, et al.
Veröffentlicht: (2025)

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

Hierarchical Group-wise Ranking Framework for Recommendation Models
von: Yan, YaChen, et al.
Veröffentlicht: (2025)

SIMformer: Single-Layer Vanilla Transformer Can Learn Free-Space Trajectory Similarity
von: Yang, Chuang, et al.
Veröffentlicht: (2024)

GLARE: Guided LexRank for Advanced Retrieval in Legal Analysis
von: Gregório, Fabio, et al.
Veröffentlicht: (2024)

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

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

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

Hierarchical Multi-Interest Co-Network For Coarse-Grained Ranking
von: Yuan, Xu, et al.
Veröffentlicht: (2022)

Theoretical Guarantees for LT-TTD: A Unified Transformer-based Architecture for Two-Level Ranking Systems
von: Abraich, Ayoub
Veröffentlicht: (2025)

RAMQA: A Unified Framework for Retrieval-Augmented Multi-Modal Question Answering
von: Bai, Yang, et al.
Veröffentlicht: (2025)

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

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

A Data Science Approach to Calcutta High Court Judgments: An Efficient LLM and RAG-powered Framework for Summarization and Similar Cases Retrieval
von: Banerjee, Puspendu, et al.
Veröffentlicht: (2025)

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

AIF: Asynchronous Inference Framework for Cost-Effective Pre-Ranking
von: Kou, Zhi, et al.
Veröffentlicht: (2025)

A Zero-shot Explainable Doctor Ranking Framework with Large Language Models
von: Zeng, Ziyang, et al.
Veröffentlicht: (2025)

LEMUR: Learned Multi-Vector Retrieval
von: Jääsaari, Elias, et al.
Veröffentlicht: (2026)

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

COFFEE: COdesign Framework for Feature Enriched Embeddings in Ads-Ranking Systems
von: Roychowdhury, Sohini, et al.
Veröffentlicht: (2026)

A Unified Causal Framework for Auditing Recommender Systems for Ethical Concerns
von: Sharma, Vibhhu, et al.
Veröffentlicht: (2024)

Decoding Dense Embeddings: Sparse Autoencoders for Interpreting and Discretizing Dense Retrieval
von: Park, Seongwan, et al.
Veröffentlicht: (2025)

DeepMTL2R: A Library for Deep Multi-task Learning to Rank
von: Dong, Chaosheng, et al.
Veröffentlicht: (2026)

DimeRec: A Unified Framework for Enhanced Sequential Recommendation via Generative Diffusion Models
von: Li, Wuchao, et al.
Veröffentlicht: (2024)

SEAL: Structure and Element Aware Learning to Improve Long Structured Document Retrieval
von: Huang, Xinhao, et al.
Veröffentlicht: (2025)

CF-KAN: Kolmogorov-Arnold Network-based Collaborative Filtering to Mitigate Catastrophic Forgetting in Recommender Systems
von: Park, Jin-Duk, 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)