CA-HNM：用领域结构约束筛选稠密检索的难负样本

一篇 arXiv 论文提出 CA-HNM 框架，把基于检索的候选生成与来自结构化领域模型的确定性不兼容规则结合起来，用于稠密检索的难负样本挖掘。做法是先剔除已知正例，围绕查询目标构建带类型的局部上下文，记录关系、范围、目标与层级四类不匹配，再用这些候选微调标准双编码器；结构化信息只在离线构建负样本时使用。作者在 MOOCCubeX 与 Course-Skill Atlas 两个数据集上，用两种编码器、两种训练损失和十个随机种子做评测。与检索排名匹配的对照组相比，CA-HNM-Pure 在八种数据集、编码器与损失的组合中有六种的 NDCG@10 均值更高，四个分层 95% bootstrap 区间整体位于零以上，且多出现在 triplet loss 下；CA-HNM-Mixed 在两个集合上的 NDCG@10 均值也略高于匹配的混合对照组。