論文の概要: HybridCite: A Hybrid Model for Context-Aware Citation Recommendation
- arxiv url: http://arxiv.org/abs/2002.06406v2
- Date: Mon, 1 Jun 2020 16:49:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-31 23:22:55.243300
- Title: HybridCite: A Hybrid Model for Context-Aware Citation Recommendation
- Title（参考訳）: HybridCite: コンテキスト対応のCitation Recommendationのためのハイブリッドモデル
- Authors: Michael F\"arber, Ashwath Sampath
- Abstract要約: 我々は,埋め込み,トピックモデリング,情報検索技術に基づく引用推薦手法を開発した。
私たちは、私たちの知る限りでは初めて、最高のパフォーマンスのアルゴリズムを半遺伝的ハイブリッドレコメンデータシステムに組み合わせました。
評価の結果,埋め込みと情報検索を併用したハイブリッドモデルでは,個々のコンポーネントやアルゴリズムよりも大きなマージンで性能が向上することがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Citation recommendation systems aim to recommend citations for either a
complete paper or a small portion of text called a citation context. The
process of recommending citations for citation contexts is called local
citation recommendation and is the focus of this paper. Firstly, we develop
citation recommendation approaches based on embeddings, topic modeling, and
information retrieval techniques. We combine, for the first time to the best of
our knowledge, the best-performing algorithms into a semi-genetic hybrid
recommender system for citation recommendation. We evaluate the single
approaches and the hybrid approach offline based on several data sets, such as
the Microsoft Academic Graph (MAG) and the MAG in combination with arXiv and
ACL. We further conduct a user study for evaluating our approaches online. Our
evaluation results show that a hybrid model containing embedding and
information retrieval-based components outperforms its individual components
and further algorithms by a large margin.
- Abstract（参考訳）: 引用レコメンデーションシステムは、完全な論文または引用コンテクストと呼ばれる小さなテキストに対して引用を推奨することを目的としている。
引用文脈に対する引用を推薦するプロセスは局所引用推薦と呼ばれ,本稿の焦点となっている。
まず,埋め込み,トピックモデリング,情報検索技術に基づく引用推薦手法を開発した。
私たちは初めて、私たちの知識を最大限に活用するために、最高のアルゴリズムを半ジェネティックなハイブリッドレコメンデーションシステムに統合します。
我々は,Microsoft Academic Graph (MAG) と MAG と arXiv と ACL を併用したいくつかのデータセットに基づいて,単一アプローチとハイブリッドアプローチをオフラインで評価する。
オンラインのアプローチを評価するためのユーザスタディも実施する。
評価の結果,組込みと情報検索に基づくコンポーネントを含むハイブリッドモデルが,個々のコンポーネントやアルゴリズムを大差で上回っていることがわかった。
関連論文リスト
- ALiiCE: Evaluating Positional Fine-grained Citation Generation [54.19617927314975]
本稿では,微細な引用生成のための最初の自動評価フレームワークであるALiiCEを提案する。
我々のフレームワークはまず、文のクレームを依存性分析によって原子クレームに解析し、次に原子クレームレベルでの引用品質を計算する。
複数大言語モデルの2つの長文QAデータセット上での位置的きめ細かな引用生成性能を評価する。
論文 参考訳（メタデータ） (2024-06-19T09:16:14Z) - Directed Criteria Citation Recommendation and Ranking Through Link Prediction [0.32885740436059047]
本モデルでは,各文書の意味を要約ネットワーク内のノードとして符号化するために,トランスフォーマーベースのグラフ埋め込みを用いる。
我々のモデルが生成するセマンティック表現は、推薦タスクやランキングタスクにおいて、他のコンテントベースの手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-03-18T20:47:38Z) - ILCiteR: Evidence-grounded Interpretable Local Citation Recommendation [31.259805200946175]
本稿では,特定の論文を推薦するための証拠を対象とする,根拠に基づく局所引用推薦タスクを紹介する。
単にレコメンデーションを出力する過去の定式化とは異なり、ICCiteRはエビデンスのリストとレコメンデーションペーパーのペアを検索する。
本研究では,エビデンスに基づく局所的引用推薦タスクのための新しいデータセットを提供し,提案手法の有効性を実証する。
論文 参考訳（メタデータ） (2024-03-13T17:38:05Z) - Impression-Aware Recommender Systems [57.38537491535016]
新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。
研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。
本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳（メタデータ） (2022-09-08T09:13:07Z) - Towards generating citation sentences for multiple references with
intent control [86.53829532976303]
We build a novel generation model with the Fusion-in-Decoder approach to handlee with multiple long inputs。
実験により,提案手法は引用文を生成するためのより包括的な特徴を提供することが示された。
論文 参考訳（メタデータ） (2021-12-02T15:32:24Z) - Recommending Multiple Positive Citations for Manuscript via
Content-Dependent Modeling and Multi-Positive Triplet [6.7854900381386845]
我々は、引用推薦のための新しい科学的論文モデリング、すなわち、Citation Recommendationのための多陽性BERTモデル(MP-BERT4CR)を提案する。
提案手法には次のような利点がある: まず、提案された多陽性目的は複数の正の候補を推薦するのに効果的である。
MP-BERT4CRは、過去のものと比べ歴史的に低い頻度の共引用ペアの完全なリストを取得するのにも有効である。
論文 参考訳（メタデータ） (2021-11-25T04:09:31Z) - Evaluating Document Representations for Content-based Legal Literature
Recommendations [6.4815284696225905]
法律レコメンデータシステムは一般に、公開ベンチマークデータセットを使わずに、小規模のユーザスタディで評価される。
テキストベース(例えば、fastText, Transformers)、引用ベース(例えば、DeepWalk, Poincar'e)、ハイブリッドメソッドを評価します。
実験の結果, 平均化したfastTextワードベクトル(法定コーパスで学習した)の文書表現が最良であることがわかった。
論文 参考訳（メタデータ） (2021-04-28T15:48:19Z) - Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
引用グラフを用いて科学論文の要約作業を再定義します。
我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。
我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
論文 参考訳（メタデータ） (2021-04-07T11:13:35Z) - Learning Neural Textual Representations for Citation Recommendation [7.227232362460348]
サブモジュラースコアリング機能において,シームズとトリプルトネットワークを併用した文書(センテンス-BERT)の深部表現を用いた引用推薦手法を提案する。
我々の知る限りでは、これは引用推薦のタスクに対して、ディープ表現とサブモジュラー選択を組み合わせるための最初のアプローチである。
論文 参考訳（メタデータ） (2020-07-08T12:38:50Z) - Context-Based Quotation Recommendation [60.93257124507105]
本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。
これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。
音声テキストと関連するニュース記事の収集実験を行う。
論文 参考訳（メタデータ） (2020-05-17T17:49:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。