information-retrieval-search

name	information-retrieval-search
description	Compétence en recherche d'information et systèmes de recherche suivie sur arXiv sous cs.IR. Couvre le ranking, la recherche dense, le RAG (retrieval-augmented generation), les moteurs de recherche neuronaux, l'apprentissage à classer, les systèmes de recommandation, la recherche multimodale, la récupération cross-modale, et l'évaluation de la recherche.
category	research
tags	["arxiv","recherche-information","ranking","dense-retrieval","RAG","recommandation","recherche-multimodale","évaluation","retrieval"]

Recherche d'Information et Systèmes de Recherche — Recherche sur arXiv

Présentation

Cette compétence couvre la veille et l'analyse de la recherche en recherche d'information et systèmes de recherche publiée sur arXiv sous cs.IR. Elle permet de suivre les avancées en ranking, recherche dense, RAG (retrieval-augmented generation), moteurs de recherche neuronaux, apprentissage à classer (LTR), systèmes de recommandation, recherche multimodale, récupération cross-modale et évaluation de la recherche.

Domaines de Recherche

1. Recherche Neuronale et Ranking

• Dense retrieval — recherche par similarité dense dans des espaces vectoriels (DPR, ANCE, REPT)
• ColBERT — contextualized late interaction pour le scoring de passages
• Re-ranking — modèles cross-encoder pour le re-ranking de résultats (monoT5, RankT5, Cohere)
• Apprentissage à classer (LTR) — approches pointwise, pairwise et listwise
• Sparse retrieval — modèles à sac-de-mots neuronaux (SPLADE, uniCOIL, BERT-based term weighting)
• Hybrid retrieval — combinaison de recherche dense et sparse

2. Retrieval-Augmented Generation (RAG)

• Systèmes hybrides — architectures combinant retrieval et génération
• Embedding models — modèles de plongement textuel pour le RAG (E5, BGE, Instructor, GTE, Voyage)
• Récupération contextuelle — intégration du contexte dans la boucle de retrieval
• RAG multi-étapes — pipelines de retrieval itératif et de raisonnement
• RAG multimodal — retrieval augmenté pour données image, audio, vidéo
• Fine-tuning pour RAG — adaptation de modèles pour la tâche de retrieval

3. Systèmes de Recommandation

• Filtrage collaboratif — factorisation matricielle, modèles basés voisins
• Factorisation — SVD, NMF, modèles latents
• Recommandation séquentielle — modèles de séquence pour sessions utilisateur (SASRec, BERT4Rec)
• LLM pour recommandation — utilisation de grands modèles de langage pour la recommandation (P5, RecLLM)
• Recommandation sensible au contexte — intégration du contexte temporel, géographique et social
• Cold-start — gestion des nouveaux utilisateurs et nouveaux items

4. Recherche Multimodale

• Cross-modal retrieval — récupération entre modalités (texte→image, image→texte)
• CLIP — modèle de plongement vision-langage (OpenAI CLIP, OpenCLIP, SigLIP)
• Image-texte — recherches hybrides image-texte
• Recherche vidéo — récupération de contenu vidéo par requêtes textuelles
• Recherche audio-texte — récupération cross-modale entre audio et texte

5. Évaluation de la Recherche

• Métriques NDCG — Normalized Discounted Cumulative Gain
• MAP — Mean Average Precision
• Pertinence — évaluation de la pertinence des résultats (explicite, implicite)
• Jugements humains — collecte et agrégation de jugements de pertinence
• Évaluation sans jugements — métriques basées sur le comportement utilisateur (A/B testing, interleaving)
• Benchmarks — MS MARCO, TREC, BEIR, MTEB, LoTTE

6. Recherche Conversationnelle

• Agents de recherche — systèmes de recherche interactifs et conversationnels
• Search-as-conversation — recherche incrémentale en mode dialogue
• Clarification — pose de questions de clarification pour désambiguïser l'intention
• Search-oriented dialogue — dialogues orientés vers la recherche d'information

Catégories arXiv

• cs.IR — Information Retrieval
• cs.CL — Computation and Language
• cs.LG — Machine Learning
• cs.CV — Computer Vision and Pattern Recognition

Utilisation

Recherche hebdomadaire

# Recherche dense
arxiv_search query="dense retrieval ColBERT DPR" categories=cs.IR max_results=10

# RAG
arxiv_search query="retrieval augmented generation RAG" categories=cs.IR,cs.CL max_results=10

# Systèmes de recommandation
arxiv_search query="recommender system LLM sequential" categories=cs.IR max_results=10

# Recherche multimodale
arxiv_search query="cross-modal retrieval CLIP text-image" categories=cs.IR,cs.CV max_results=10

# Évaluation
arxiv_search query="retrieval evaluation NDCG benchmark MTEB" categories=cs.IR max_results=10

Veille continue

• Surveiller les nouvelles soumissions dans cs.IR quotidiennement
• Suivre les conférences: SIGIR, CIKM, WSDM, ECIR, NeurIPS, ICML
• Consulter les benchmarks MTEB et BEIR pour les modèles de retrieval
• Configurer des alertes arXiv pour: "dense retrieval", "RAG", "ColBERT", "cross-encoder", "recommender", "CLIP"

Articles Notables

Article	Domaine
DPR (Facebook)	Dense Passage Retrieval
ColBERT (Stanford)	Late interaction retrieval
SPLADE	Sparse lexical retrieval
monoT5 / RankT5	Re-ranking
E5 / BGE / Instructor	Embedding models
P5 / RecLLM	LLM pour recommandation
MS MARCO	Benchmark de passage ranking
BEIR	Benchmark cross-domain retrieval

Mise à Jour

Cette compétence doit être mise à jour mensuellement avec les nouveaux modèles de retrieval, les avancées en RAG, les nouvelles architectures de recommandation et les benchmarks émergents.