Yapay zeka destekli bilgi erişim sistemleri, kullanıcı tarafından oluşturulan içerik platformlarında giderek daha kritik bir rol oynuyor. Ancak bu sistemlerin başarısı, büyük ölçüde sorgu-belge ilişkisini ne kadar doğru değerlendirdiğine bağlı.
Araştırmacılar, bu alandaki temel sorunlara odaklanarak R3A (Reinforced Reasoning for Relevance Assessment) modelini geliştirdi. Sistem, iki temel sorunu çözmeyi hedefliyor: kullanıcıların belirsiz niyetleri ve asimetrik ilgililik problemi. İlk sorun, kullanıcıların genellikle net olmayan sorgular yazması ve geri bildirim vermemesinden kaynaklanıyor. İkinci sorun ise, belgelerin tamamının değil, içindeki belirli bölümlerin cevap verici olmasından doğuyor.
R3A'nın çalışma prensibi iki aşamalı: önce kullanıcının gerçek amacını yüksek tıklanma oranına sahip belgelerden yola çıkarak tahmin ediyor, sonra da ilgili belgelerdeki cevap barındıran spesifik parçaları tespit ediyor. Bu yaklaşım, geleneksel yöntemlerde görülen gürültü hassasiyetini azaltırken, asimetrik ilgililik modellemesini güçlendiriyor.
Sistemin en önemli yeniliği, global belge-sorgu benzerliği yerine lokal cevap odaklı içerik analizine öncelik vermesi. Bu sayede kullanıcılar, aradıkları bilgileri daha hızlı ve doğru bir şekilde bulabiliyor.