Fugu-MT 論文翻訳(概要): Dual Attention Model for Citation Recommendation

論文の概要: Dual Attention Model for Citation Recommendation

arxiv url: http://arxiv.org/abs/2010.00182v5
Date: Thu, 3 Dec 2020 05:16:08 GMT
ステータス: 処理完了
システム内更新日: 2022-10-12 07:28:15.977139
Title: Dual Attention Model for Citation Recommendation
Title（参考訳）: Citation Recommendationのためのデュアルアテンションモデル
Authors: Yang Zhang, Qiang Ma
Abstract要約: 我々は「引用レコメンデーションのためのデュアルアテンションモデル」と呼ばれる新しい埋め込み型ニューラルネットワークを提案する。ニューラルネットワークは、3つの入力(ローカルコンテキストワード、セクション、構造コンテキスト)の埋め込みと、コンテキストに現れる対象の引用との類似性を最大化するように設計されている。
参考スコア（独自算出の注目度）: 7.244791479777266
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Based on an exponentially increasing number of academic articles, discovering and citing comprehensive and appropriate resources has become a non-trivial task. Conventional citation recommender methods suffer from severe information loss. For example, they do not consider the section of the paper that the user is writing and for which they need to find a citation, the relatedness between the words in the local context (the text span that describes a citation), or the importance on each word from the local context. These shortcomings make such methods insufficient for recommending adequate citations to academic manuscripts. In this study, we propose a novel embedding-based neural network called "dual attention model for citation recommendation (DACR)" to recommend citations during manuscript preparation. Our method adapts embedding of three dimensions of semantic information: words in the local context, structural contexts, and the section on which a user is working. A neural network is designed to maximize the similarity between the embedding of the three input (local context words, section and structural contexts) and the target citation appearing in the context. The core of the neural network is composed of self-attention and additive attention, where the former aims to capture the relatedness between the contextual words and structural context, and the latter aims to learn the importance of them. The experiments on real-world datasets demonstrate the effectiveness of the proposed approach.
Abstract（参考訳）: 学術論文の数が指数関数的に増加していることから,包括的かつ適切なリソースの発見と引用は,非自明な作業となっている。従来の引用推薦手法は深刻な情報損失に悩まされる。例えば、ユーザが書いている論文のセクションや、引用を見つける必要がある部分、ローカルコンテキストにおける単語間の関連性(引用を記述したテキストスパン)、あるいはローカルコンテキストからの各単語の重要性を考慮していない。これらの欠点は、学術写本への適切な引用を推奨するには不十分である。本研究では,本書作成中に引用を推薦する"dual attention model for citation recommendation (dacr)"と呼ばれる埋め込み型ニューラルネットワークを提案する。本手法は,局所的文脈における単語,構造的文脈,ユーザが作業している部分の3次元のセマンティック情報の埋め込みに適応する。ニューラルネットワークは、3つの入力(ローカルコンテキストワード、セクション、構造コンテキスト)の埋め込みと、コンテキストに現れるターゲットの引用との類似性を最大化するように設計されている。ニューラルネットワークのコアは自己注意と付加的注意で構成されており、前者は文脈語と構造的文脈の関係性を捉えることを目的としており、後者はそれらの重要性を学ぶことを目的としている。実世界のデータセットを用いた実験は,提案手法の有効性を示す。

関連論文リスト

Contextualizing Generated Citation Texts [11.531517736126657]
本稿では,引用テキスト生成タスクの簡単な修正を提案する。生成ターゲットは、引用そのものだけではなく、ターゲットの引用を含むコンテキストウィンドウ全体である。
論文参考訳（メタデータ） (2024-02-28T05:24:21Z)
Description-Enhanced Label Embedding Contrastive Learning for Text Classification [65.01077813330559]
モデル学習プロセスにおける自己監督型学習(SSL)と新しい自己監督型関係関係(R2)分類タスクの設計テキスト分類とR2分類を最適化対象として扱うテキスト分類のための関係学習ネットワーク(R2-Net)の関係について検討する。ラベルセマンティックラーニングのためのマルチアスペクト記述を得るためのWordNetからの外部知識。
論文参考訳（メタデータ） (2023-06-15T02:19:34Z)
Inline Citation Classification using Peripheral Context and Time-evolving Augmentation [23.88211560188731]
本稿では,引用文を用いた談話情報を提供する3Cextという新しいデータセットを提案する。周辺文とドメイン知識を融合したトランスフォーマーベースのディープニューラルネットワークPeriCiteを提案する。
論文参考訳（メタデータ） (2023-03-01T09:11:07Z)
Contextual information integration for stance detection via cross-attention [59.662413798388485]
スタンス検出は、著者の目標に対する姿勢を特定することを扱う。既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。文脈情報をテキストとして統合する手法を提案する。
論文参考訳（メタデータ） (2022-11-03T15:04:29Z)
LadRa-Net: Locally-Aware Dynamic Re-read Attention Net for Sentence Semantic Matching [66.65398852962177]
文意味マッチングのための新しい動的再読ネットワーク(DRr-Net)を開発した。 DRr-Netをローカルに認識する動的再読み取り注意ネット(LadRa-Net)に拡張する 2つの一般的な文意味マッチングタスクの実験により、DRr-Netは文意味マッチングの性能を大幅に改善できることを示した。
論文参考訳（メタデータ） (2021-08-06T02:07:04Z)
Semantic Representation and Inference for NLP [2.969705152497174]
この論文は、新しい意味表現と推論のための深層学習の利用について考察する。我々は,自動クレーム検証を目的とした,現実の事実クレームの公開データセットとして最大である。語句表現を外部単語埋め込みと知識グラフで豊かにすることにより,句の構成性を文脈的に操作する。
論文参考訳（メタデータ） (2021-06-15T13:22:48Z)
On the Use of Context for Predicting Citation Worthiness of Sentences in Scholarly Articles [10.28696219236292]
この問題を階層的BiLSTMモデルを用いて解いたシーケンスラベリングタスクとして定式化する。我々は200万以上の文とそのラベルを含む新しいベンチマークデータセットをコントリビュートする。本研究は,引用価値のための文脈埋め込みと文脈埋め込みの利点を定量化する。
論文参考訳（メタデータ） (2021-04-18T21:47:30Z)
R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic Matching [58.72111690643359]
文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。最初にBERTを使用して、グローバルな視点から入力文をエンコードします。次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
論文参考訳（メタデータ） (2020-12-16T13:11:30Z)
Neuro-Symbolic Representations for Video Captioning: A Case for Leveraging Inductive Biases for Vision and Language [148.0843278195794]
ビデオキャプションのためのマルチモーダルなニューラルシンボリック表現を学習するための新しいモデルアーキテクチャを提案する。本手法では,ビデオ間の関係を学習する辞書学習手法と,そのペアによるテキスト記述を用いる。
論文参考訳（メタデータ） (2020-11-18T20:21:19Z)
Virtual Proximity Citation (VCP): A Supervised Deep Learning Method to Relate Uncited Papers On Grounds of Citation Proximity [0.0]
本稿では,仮想Citation Proximity (VCP) のアプローチについて議論する。文書中の2つの引用の間の実際の距離は、基礎的な真実として使用される。これは、2つの文書間の関連性を計算するために、たとえ文書が暗唱されていなくても、近接して引用されたであろう方法で計算することができる。
論文参考訳（メタデータ） (2020-09-25T12:24:00Z)
Word Sense Disambiguation for 158 Languages using Word Embeddings Only [80.79437083582643]
文脈における単語感覚の曖昧さは人間にとって容易であるが、自動的アプローチでは大きな課題である。本稿では,学習前の標準単語埋め込みモデルを入力として,完全に学習した単語認識のインベントリを誘導する手法を提案する。この手法を用いて、158の言語に対して、事前訓練されたfastText単語の埋め込みに基づいて、センスインベントリのコレクションを誘導する。
論文参考訳（メタデータ） (2020-03-14T14:50:04Z)

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。