When Should Queries Be Decomposed? A Stage-Aware Study of Query Decomposition for Multi-Condition Retrieval
多条件检索中查询分解的阶段效应研究
🧭 多条件检索 · 查询分解阶段性效应
Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative · Eastern Institute of Technology, Ningbo · Shanghai Jiao Tong University
发现查询分解在初始检索时因语义稀释而有害，在重排序时能提升细粒度约束验证，提出分阶段分解框架
📌 工作参考价值
- 分阶段使用查询分解：在召回阶段保留原始完整查询，避免将多条件查询拆成子查询导致语义稀释、召回失败和易负样本增多；仅在重排序阶段引入固定大小（2-3个条件）的子查询分解，配合 Score-Sum 融合，能显著提升对硬负样本的区分能力。
- 重排序阶段的细粒度验证：利用分解后的子查询与候选文档进行逐条件匹配，让 LLM reranker 做 token 级交互验证，提升 win rate 和 NDCG，尤其适用于电商中带多属性约束的商品搜索（如“轻薄 16GB RAM <$1500 游戏本 512GB SSD”）。
- 固定大小分解与自适应分解的选择：固定大小（k=2,j=3）优于单条件朴素分解和 LLM 自适应分解，实现简单且效果稳定；若业务中有更复杂的嵌套意图，可考虑用 LLM 动态决定分解粒度，但需注意推理成本。
- 避免召回阶段的查询分解：实验证明在 dense retriever（BGE、Qwen3-Embedding 系列）上，对复杂查询进行分解再融合会降低 Recall@50 和 NDCG@10，主要由语义稀释导致，该结论对双塔召回架构下的多条件搜索有直接警示意义。
动机
多条件检索要求同时满足多个独立约束（如“轻薄、16GB RAM、低于$1500、游戏本、512GB SSD”），现有 dense retriever 常将与主题相关但违反个别约束的“硬负样本”排在高位。查询分解被广泛用于复杂查询处理，但其在不同检索阶段（召回 vs. 重排序）的效果缺乏系统研究。本文针对这一问题，在 MultiConIR 和 SSRB 基准上开展阶段感知的实证分析，并提出分阶段分解框架。
方法关键点
- 现象诊断：发现查询分解在召回阶段导致性能下降，根源是“语义稀释”——子查询失去全局联合约束，匹配大量仅满足局部条件的易负样本，召回失败率从 <1% 飙升至 3.5%~12%。
- 阶段感知框架：在召回阶段保留原始整体查询，避免分解；在重排序阶段对候选集使用固定大小分解（每子查询含2~3个条件），用 Score-Sum 融合各子查询的 reranker 分数，实现细粒度约束验证。
- 分解策略对比：比较朴素分解（每子查询1条件）、固定大小分解和 LLM 自适应分解，固定大小分解整体最优，Score-Sum 融合优于 RRF。
关键实验结果
- 在 MultiConIR 上，Qwen3-Embedding-0.6B 在复杂查询（Q4–Q10）上 NDCG@10 从 70.1 降至 67.8（分解召回），而 Qwen3-Reranker-0.6B 用分解重排序后 NDCG@10 从纯重排序的 64.1 提升至 71.7，相对提升 7.6 点；模型增大至 8B 时提升达 11.6 点。
- 分析表明，重排序下分解显著提高 Win Rate 和正样本排名，对硬负样本区分能力增强。
- 在 SSRB 三个 schema 上，阶段感知框架的 NDCG@10 均优于基线，验证泛化性。
一句话结论：多条件查询的分解应推迟到重排序阶段，用固定大小子查询进行约束级验证，而召回阶段必须保持全局语义完整性。