論文の概要: Poincare: Recommending Publication Venues via Treatment Effect Estimation

• arxiv url: http://arxiv.org/abs/2010.09157v2
• Date: Fri, 2 Sep 2022 07:10:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 21:23:26.587995
• Title: Poincare: Recommending Publication Venues via Treatment Effect Estimation
• Title（参考訳）: poincare: 治療効果推定による出版場所の推薦
• Authors: Ryoma Sato, Makoto Yamada, Hisashi Kashima
• Abstract要約: バイアス補正法を用いて、出版場所の選択による潜在的影響を効果的に推定する。 我々は,コンピュータサイエンスカンファレンスの論文データを用いた手法の有効性を強調した。
• 参考スコア（独自算出の注目度）: 40.60905158071766
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Choosing a publication venue for an academic paper is a crucial step in the research process. However, in many cases, decisions are based solely on the experience of researchers, which often leads to suboptimal results. Although there exist venue recommender systems for academic papers, they recommend venues where the paper is expected to be published. In this study, we aim to recommend publication venues from a different perspective. We estimate the number of citations a paper will receive if the paper is published in each venue and recommend the venue where the paper has the most potential impact. However, there are two challenges to this task. First, a paper is published in only one venue, and thus, we cannot observe the number of citations the paper would receive if the paper were published in another venue. Secondly, the contents of a paper and the publication venue are not statistically independent; that is, there exist selection biases in choosing publication venues. In this paper, we formulate the venue recommendation problem as a treatment effect estimation problem. We use a bias correction method to estimate the potential impact of choosing a publication venue effectively and to recommend venues based on the potential impact of papers in each venue. We highlight the effectiveness of our method using paper data from computer science conferences.
• Abstract（参考訳）: 学術論文の出版場所を選択することは研究プロセスにおける重要なステップである。 しかし、多くの場合、決定は研究者の経験のみに基づいており、しばしば最適以下の結果をもたらす。 学術論文の会場推薦システムが存在するが、出版予定の会場を推薦している。 本研究では,異なる視点から出版会場を推薦することを目的とする。 論文が各会場で発行された場合、論文が受ける引用回数を推定し、最も潜在的に影響を及ぼす場所を推奨する。 しかし、この課題には2つの課題がある。 まず,1つの会場でのみ論文が発行されるので,他の会場で論文が公開された場合,論文が受ける引用数を見ることはできない。 第二に、論文の内容と出版会場は統計的に独立したものではなく、出版会場の選択には選択バイアスが存在する。 本稿では,治療効果推定問題として,会場推薦問題を定式化する。 バイアス補正手法を用いて,出版場所選択の潜在的影響を効果的に推定し,各会場における論文の潜在的影響に基づいて,会場を推薦する。 我々は,コンピュータサイエンスカンファレンスの論文データを用いた手法の有効性を強調した。

関連論文リスト

• Predicting Award Winning Research Papers at Publication Time [5.318302558039615]
  我々は、出版時に利用可能な情報にのみ依存して受賞する研究論文の可能性を予測する。 我々はArnetMinerの引用グラフを考慮した実験を行い、受賞論文の真理は32のコンピュータサイエンスカンファレンスから最高の論文賞の収集から得られた。 注目すべきは、高いリコールと低い偽陰性率は、そのモデルが賞を得ない論文を特定するのにいかにうまく機能するかを示している。
  論文  参考訳（メタデータ） (2024-06-18T12:09:10Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• Fusion of the Power from Citations: Enhance your Influence by Integrating Information from References [3.607567777043649]
  本研究は,ある論文が学者の影響力を高めることができるか否かを判断するために,予測問題を定式化することを目的とする。 この研究にこの枠組みを適用することで、研究者は自分の論文が将来の影響力を高めることができるかどうかを特定できる。
  論文  参考訳（メタデータ） (2023-10-27T19:51:44Z)
• Estimating the Causal Effect of Early ArXiving on Paper Acceptance [56.538813945721685]
  我々は,論文の審査期間(初期arXiving)前にarXivingが会議の受理に与える影響を推定する。 以上の結果から,早期のarXivingは,論文の受容に少なからぬ影響を及ぼす可能性が示唆された。
  論文  参考訳（メタデータ） (2023-06-24T07:45:38Z)
• 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)
• Ranking Scientific Papers Using Preference Learning [48.78161994501516]
  我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。 ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-02T19:41:47Z)
• Making Paper Reviewing Robust to Bid Manipulation Attacks [44.34601846490532]
  逸話的な証拠は、一部のレビュアーが「友人」あるいは「衝突する著者」による論文の入札を行ったことを示唆している。 我々は、そのような攻撃に対してより堅牢な、紙入札と割当てのための新しいアプローチを開発する。 より堅牢であることに加えて、論文レビューの課題の質は、現在の非ロバストな課題のアプローチに匹敵する。
  論文  参考訳（メタデータ） (2021-02-09T21:24:16Z)
• A Correspondence Analysis Framework for Author-Conference Recommendations [2.1055643409860743]
  我々は、会議や論文など、問題のエンティティ間の適切な関係を導出するために、対応分析(CA)を利用する。 本モデルは,コンテンツベースフィルタリング,協調フィルタリング,ハイブリッドフィルタリングなどの既存手法と比較して有望な結果を示す。
  論文  参考訳（メタデータ） (2020-01-08T18:52:39Z)

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。