論文の概要: Attention: to Better Stand on the Shoulders of Giants

• arxiv url: http://arxiv.org/abs/2005.14256v1
• Date: Wed, 27 May 2020 00:25:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 08:38:16.876833
• Title: Attention: to Better Stand on the Shoulders of Giants
• Title（参考訳）: 注意:ジャイアンツの肩に立つために
• Authors: Sha Yuan, Zhou Shao, Yu Zhang, Xingxing Wei, Tong Xiao, Yifan Wang, Jie Tang
• Abstract要約: 本稿では,長期科学的影響予測のための注意機構を開発する。 実際の大規模引用データセットに基づいて,本手法の検証を行う。
• 参考スコア（独自算出の注目度）: 34.5017808610466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Science of science (SciSci) is an emerging discipline wherein science is used to study the structure and evolution of science itself using large data sets. The increasing availability of digital data on scholarly outcomes offers unprecedented opportunities to explore SciSci. In the progress of science, the previously discovered knowledge principally inspires new scientific ideas, and citation is a reasonably good reflection of this cumulative nature of scientific research. The researches that choose potentially influential references will have a lead over the emerging publications. Although the peer review process is the mainly reliable way of predicting a paper's future impact, the ability to foresee the lasting impact based on citation records is increasingly essential in the scientific impact analysis in the era of big data. This paper develops an attention mechanism for the long-term scientific impact prediction and validates the method based on a real large-scale citation data set. The results break conventional thinking. Instead of accurately simulating the original power-law distribution, emphasizing the limited attention can better stand on the shoulders of giants.
• Abstract（参考訳）: サイエンス・オブ・サイエンス(英語: science of science, scisci)は、科学が大規模なデータセットを用いて科学の構造や進化を研究するために使われる新しい学問である。 学術的な成果に関するデジタルデータの増加は、SciSciを探索する前例のない機会を提供する。 科学の進歩において、これまで発見された知識は主として新しい科学思想を刺激し、引用は科学研究の累積的な性質を合理的に反映している。 潜在的に影響力のある参考文献を選択する研究は、新興の出版物に先行する。 ピアレビュープロセスは, 論文の将来的な影響を予測する上で, 信頼性の高い手法であるが, ビッグデータ時代の科学的影響分析において, 引用記録に基づく持続的影響を予測する能力はますます不可欠である。 本稿では, 長期科学的影響予測のための注意機構を開発し, 実大規模引用データセットに基づく手法を検証する。 結果は従来の思考を損なう。 オリジナルのパワーロー分布を正確にシミュレートする代わりに、限られた注意力を強調することで、巨人の肩に立つことができる。

関連論文リスト

• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• Forecasting high-impact research topics via machine learning on evolving knowledge graphs [0.8158530638728501]
  我々は、研究者がこれまでに出版したことのないアイデアの発症の影響を予測する方法を示す。 我々は、2200万以上の科学論文から構築された大きな進化した知識グラフを開発した。
  論文  参考訳（メタデータ） (2024-02-13T18:09:38Z)
• Modeling Information Change in Science Communication with Semantically Matched Paraphrases [50.67030449927206]
  SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。 SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。 SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2022-10-24T07:44:38Z)
• Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
  既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。 本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
  論文  参考訳（メタデータ） (2022-10-02T07:43:26Z)
• Robust Causality and False Attribution in Data-Driven Earth Science Discoveries [0.3503794925747607]
  因果研究と帰属研究は、地球科学的な発見や気候、生態学、水の政策を知らせるために不可欠である。 ここでは,移動エントロピーに基づく因果グラフが,統計的に有意に拡張された場合でも飛躍的であることを示す。 我々は,頑健な因果解析のためのサブサンプルに基づくアンサンブル手法を開発した。
  論文  参考訳（メタデータ） (2022-09-26T10:45:48Z)
• Change Summarization of Diachronic Scholarly Paper Collections by Semantic Evolution Analysis [10.554831859741851]
  本研究では,長期間にわたる研究論文の収集を解析するための新しい手法を実証する。 我々のアプローチは、時間とともに単語の意味表現を比較することに基づいており、学術出版物の大規模なドメイン中心のアーカイブをより深く理解することを目的としている。
  論文  参考訳（メタデータ） (2021-12-07T11:15:19Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• Semantic Analysis for Automated Evaluation of the Potential Impact of Research Articles [62.997667081978825]
  本稿では,情報理論に基づくテキスト意味のベクトル表現のための新しい手法を提案する。 この情報意味論がLeicester Scientific Corpusに基づいてテキスト分類にどのように使用されるかを示す。 テキストの意味を表現するための情報的アプローチは,研究論文の科学的影響を効果的に予測する方法であることを示す。
  論文  参考訳（メタデータ） (2021-04-26T20:37:13Z)
• Early Indicators of Scientific Impact: Predicting Citations with Altmetrics [0.0]
  altmetricsを使って、学術的な出版物が得る短期的および長期的な引用を予測する。 我々は,様々な分類モデルと回帰モデルを構築し,それらの性能を評価し,それらのタスクに最適なニューラルネットワークとアンサンブルモデルを見つける。
  論文  参考訳（メタデータ） (2020-12-25T16:25:07Z)

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。