論文の概要: Effective Distributed Representations for Academic Expert Search

• arxiv url: http://arxiv.org/abs/2010.08269v1
• Date: Fri, 16 Oct 2020 09:43:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 20:05:27.118986
• Title: Effective Distributed Representations for Academic Expert Search
• Title（参考訳）: 学術エキスパート探索のための効果的な分散表現
• Authors: Mark Berger, Jakub Zavrel, Paul Groth
• Abstract要約: 学術論文の異なる分散表現(埋め込み)が学術専門家の検索にどのように影響するかを考察する。 特に,文脈的埋め込みが検索性能に与える影響について検討する。 文類似性タスクのために訓練されたトランスフォーマーモデルによって生成された文脈埋め込みを用いることで、最も効果的な論文表現が得られることを観察する。
• 参考スコア（独自算出の注目度）: 1.9815631757151737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Expert search aims to find and rank experts based on a user's query. In academia, retrieving experts is an efficient way to navigate through a large amount of academic knowledge. Here, we study how different distributed representations of academic papers (i.e. embeddings) impact academic expert retrieval. We use the Microsoft Academic Graph dataset and experiment with different configurations of a document-centric voting model for retrieval. In particular, we explore the impact of the use of contextualized embeddings on search performance. We also present results for paper embeddings that incorporate citation information through retrofitting. Additionally, experiments are conducted using different techniques for assigning author weights based on author order. We observe that using contextual embeddings produced by a transformer model trained for sentence similarity tasks produces the most effective paper representations for document-centric expert retrieval. However, retrofitting the paper embeddings and using elaborate author contribution weighting strategies did not improve retrieval performance.
• Abstract（参考訳）: expert searchは、ユーザのクエリに基づいて専門家を探し、ランク付けすることを目的としている。 アカデミアでは、専門家を検索することは、大量の学術知識を通す効率的な方法である。 本稿では,学術論文の異なる分散表現(埋め込み)が学術専門家の検索に与える影響について考察する。 Microsoft Academic Graphデータセットを使用して、検索にドキュメント中心の投票モデルのさまざまな構成を試す。 特に,コンテクスト化された埋め込みが検索性能に与える影響について検討する。 また, 補修による引用情報を組み込んだ埋込紙についても検討した。 また、著者の順序に基づいて著者重みを割り当てるための異なる手法を用いて実験を行う。 文類似性タスク用に訓練されたトランスフォーマーモデルによって生成された文脈埋め込みを用いることで,文書中心のエキスパート検索において,最も効果的な紙表現が得られる。 しかし,著者貢献度重み付け戦略を精巧に活用した論文の修正は,検索性能の向上には至らなかった。

関連論文リスト

• Taxonomy-guided Semantic Indexing for Academic Paper Search [51.07749719327668]
  TaxoIndexは学術論文検索のためのセマンティックインデックスフレームワークである。 学術分類学によって導かれる意味指標として、論文から重要な概念を整理する。 既存の高密度レトリバーを強化するために柔軟に使用できる。
  論文  参考訳（メタデータ） (2024-10-25T00:00:17Z)
• Performance Evaluation in Multimedia Retrieval [7.801919915773585]
  マルチメディア検索の性能評価は検索実験に大きく依存する。 これらには、検索プロセス自体に対するヒューマン・イン・ザ・ループとマシンのみの設定と、その後の結果の検証が含まれる。 本稿では,このような検索実験のすべての側面を表現するための形式モデルと,柔軟なオープンソース評価基盤を提案する。
  論文  参考訳（メタデータ） (2024-10-09T08:06:15Z)
• Conversational Exploratory Search of Scholarly Publications Using Knowledge Graphs [3.3916160303055567]
  我々は,知識グラフを用いた学術出版物探索のための会話検索システムを開発した。 システムの有効性を評価するために,様々な評価指標を用い,40名の被験者で人的評価を行った。
  論文  参考訳（メタデータ） (2024-10-01T06:16:07Z)
• Improving Retrieval in Theme-specific Applications using a Corpus Topical Taxonomy [52.426623750562335]
  ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。 ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。 プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
  論文  参考訳（メタデータ） (2024-03-07T02:34:54Z)
• Chain-of-Factors Paper-Reviewer Matching [32.86512592730291]
  本稿では,意味的・話題的・引用的要因を協調的に考慮した,論文レビューアマッチングのための統一モデルを提案する。 提案したChain-of-Factorsモデルの有効性を,最先端のペーパー-リビューアマッチング手法と科学的事前学習言語モデルと比較した。
  論文  参考訳（メタデータ） (2023-10-23T01:29:18Z)
• DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
  従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。 本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
  論文  参考訳（メタデータ） (2023-09-04T20:52:33Z)
• Retrieval Augmentation for Commonsense Reasoning: A Unified Approach [64.63071051375289]
  検索強化コモンセンス推論(RACo)の統一的枠組みを提案する。 提案するRACoは,他の知識強化手法よりも優れる。
  論文  参考訳（メタデータ） (2022-10-23T23:49:08Z)
• 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)
• An Explanatory Query-Based Framework for Exploring Academic Expertise [10.887008988767061]
  機関内の潜在的な協力者を見つけることは、偏見を伴う手動検索作業に時間を要する。 本研究では,研究専門知識の検索,評価,探索を行う新しいクエリベースのフレームワークを提案する。 提案手法は, 望ましい特性を満足し, 効率的であると同時に, 一致の同定に有効であることを示す。
  論文  参考訳（メタデータ） (2021-05-28T10:48:08Z)
• Enhancing Reading Strategies by Exploring A Theme-based Approach to Literature Surveys [5.004814662623872]
  我々は,コーパスを視覚的に,テーマ的に探索できる方法論を考案し,個人化された全体的読解戦略を開発した。 その結果, (i) 未読の論文を選別し, (ii) より一貫性のある読解戦略を開発し, (iii) 論文間のテーマ構造と関係をより効果的に理解した。
  論文  参考訳（メタデータ） (2021-02-10T10:36:45Z)
• Explaining Relationships Between Scientific Documents [55.23390424044378]
  本稿では,2つの学術文書間の関係を自然言語テキストを用いて記述する課題に対処する。 本稿では154K文書から622Kサンプルのデータセットを作成する。
  論文  参考訳（メタデータ） (2020-02-02T03:54:47Z)

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。