أصبح استرجاع المعلومات عبر الأساليب الكثيفة هو النمط السائد في هذا المجال، حيث يتم تقييم كل وثيقة مقابل الاستعلام من خلال حاصل ضرب المتجهات الخاصة بها. ولكن، تكمن المشكلة في أن كل وثيقة تعتمد تقييمها فقط على الاستعلام ومحتواها، مما يجعل العملية غير مدركة لمحتوى المجمع الكلي، وبالتالي قد تؤدي إلى اختيار وثائق متشابهة بشكل مفرط.

معظهنا في هذا التحدي، نقوم بمعالجة الاسترجاع كمشكلة تعديل مشترك، حيث يتم اختيار الوثائق كمجموعة تأخذ في الاعتبار السياق الأوسع للمحتوى. ومن هنا، نقدم أسلوب Non-Negative Elastic Net (NNN) الذي يختار الوثائق ذات المتجهات التي تعيد بناء متجه الاستعلام بشكل مشترك، مما يحدث تحسينات في التنوع والدقة.

تظهر النتائج التجريبية أن تطبيق NNN على المتجهات المجمدة المدربة لتحسين الاسترجاع يحقق نتائج ملحوظة على عدة معايير، مما يدل على كفاءة هذه الطريقة في تحسين الأداء. يشمل الابتكار أيضًا إجراء تدريب شامل للجمع بين المتجهات المناسبة لاسترجاع المعلومات بشكلأفضل.

باختصار، تمثل طريقة NNN خطوة كبيرة في استخدام النماذج الكثيفة في استرجاع المعلومات، متجاوزة الممارسات التقليدية، وتعطي الأمل في تحسين النتائج وتحقيق دقة أكبر في تلبية احتياجات المستخدمين.