论文
LLM时代我们还需要地名词典吗？使用空间神经符号索引进行链接检索
Do We Still Need Gazetteers in the Era of LLMs? Chaining Retrieval with a Spatial Neuro-Symbolic Index
摘要
地理信息检索 (GeoIR) 任务要求系统为下游应用程序解释不明确的地名。传统上，地名解析依赖于地名词典提供地点实体和空间关系的明确索引。最近，无地名词典的方法试图减少对手工搜索的依赖：密集检索利用文本编码器来捕获丰富的上下文，超越了词汇搜索的限制。然而，文本编码器隐含地假设学习的表示可以充当可靠的空间语义索引。在本文中，我们通过空间语义索引设置来评估这一假设：给定上下文地名提及，我们检索由从地名词典知识图派生的文本表示的相应地名词典实体。我们在两种检索策略下对五个冻结文本编码器进行了基准测试：对实体表示进行强力最近邻检索，以及限制检索的神经符号分层波束搜索（即将搜索与地名词典层次结构链接起来）。实验结果揭示了明显的粗略与精细的权衡。无约束的密集检索经常会导致灾难性的空间错误。相反，分层约束改善了粗粒度地理定位，但对于细粒度的本地化度量仍然产生有限的好处：普通文本编码器无法捕获地名词典中编码的细尺度空间保真度。我们的代码公开于：https://doi.org/10.25439/rmt.31094269
