論文の概要: Citation Recommendation: Approaches and Datasets
- arxiv url: http://arxiv.org/abs/2002.06961v2
- Date: Thu, 14 May 2020 08:01:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-31 13:15:26.253683
- Title: Citation Recommendation: Approaches and Datasets
- Title（参考訳）: Citation Recommendation:アプローチとデータセット
- Authors: Michael F\"arber, Adam Jatowt
- Abstract要約: 引用レコメンデーションは、あるテキストに対して引用を推奨するタスクを記述する。
近年,いくつかのアプローチと評価データセットが提案されている。
引用推薦に関する文献調査は行われていない。
- 参考スコア（独自算出の注目度）: 20.47628019708079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Citation recommendation describes the task of recommending citations for a
given text. Due to the overload of published scientific works in recent years
on the one hand, and the need to cite the most appropriate publications when
writing scientific texts on the other hand, citation recommendation has emerged
as an important research topic. In recent years, several approaches and
evaluation data sets have been presented. However, to the best of our
knowledge, no literature survey has been conducted explicitly on citation
recommendation. In this article, we give a thorough introduction into automatic
citation recommendation research. We then present an overview of the approaches
and data sets for citation recommendation and identify differences and
commonalities using various dimensions. Last but not least, we shed light on
the evaluation methods, and outline general challenges in the evaluation and
how to meet them. We restrict ourselves to citation recommendation for
scientific publications, as this document type has been studied the most in
this area. However, many of the observations and discussions included in this
survey are also applicable to other types of text, such as news articles and
encyclopedic articles.
- Abstract（参考訳）: 引用推奨は、あるテキストに対する引用を推奨するタスクを記述する。
近年の科学論文の過剰化や、科学論文を書く際に最も適切な出版物を引用する必要性から、引用推薦が重要な研究トピックとして浮上している。
近年,いくつかのアプローチと評価データセットが提案されている。
しかし,我々の知る限りでは,引用推薦に関する文献調査は行われていない。
本稿では,自動引用レコメンデーション研究について概説する。
次に,引用推薦のためのアプローチとデータセットの概要を説明し,様々な次元を用いた相違点と共通点を同定する。
最後に,評価方法に光を当てて,評価における一般的な課題と,それに対応する方法について概説した。
本論文は,本分野において最も多く研究されているため,学術論文の引用推薦に限定する。
しかし,本調査に含まれる観察や議論の多くは,ニュース記事や百科事典記事など他の種類のテキストにも適用可能である。
関連論文リスト
- 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) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - 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) - 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) - Chronological Citation Recommendation with Time Preference [20.179186544131337]
本論文では,異なるタイムスライスで発行される引用論文の確率分布であるユーザクエリに基づく時間優先度を予測する。
今回は、コンテンツベースのフィルタリングで得られた初期引用リストを再ランクします。
論文 参考訳（メタデータ） (2021-01-19T13:18:05Z) - A Decade of In-text Citation Analysis based on Natural Language
Processing and Machine Learning Techniques: An overview of empirical studies [3.474275085556876]
情報科学者は、フルテキストデータ処理技術の進歩に踏み込んで、従来の書誌学をはるかに超えてきた。
本稿は、これらの発展に関する研究を物語的にレビューすることを目的としている。
その主な焦点は、自然言語処理と機械学習技術を使って引用を分析した出版物である。
論文 参考訳（メタデータ） (2020-08-29T17:27:08Z) - 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。