論文の概要: Ontology-Based Recommendation of Editorial Products
- arxiv url: http://arxiv.org/abs/2103.13526v1
- Date: Wed, 24 Mar 2021 23:23:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-27 00:44:38.526265
- Title: Ontology-Based Recommendation of Editorial Products
- Title(参考訳): オントロジーに基づく編集製品の勧告
- Authors: Thiviyan Thanapalasingam, Francesco Osborne, Aliaksandr Birukou and
Enrico Motta
- Abstract要約: Smart Book Recommender (SBR)はSpringer NatureのComputer Science編集チームをサポートし、特定の場所で商品を市場に出す。
SBRは、約27Kの編集製品の意味的に強化された表現を利用して、会議に関連する書籍、ジャーナル、会議の手続を推奨します。
sbrはまた、ユーザがなぜ特定の出版物がシステムによって提案されたのかを調査できる。
- 参考スコア(独自算出の注目度): 7.1717344176500335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Major academic publishers need to be able to analyse their vast catalogue of
products and select the best items to be marketed in scientific venues. This is
a complex exercise that requires characterising with a high precision the
topics of thousands of books and matching them with the interests of the
relevant communities. In Springer Nature, this task has been traditionally
handled manually by publishing editors. However, the rapid growth in the number
of scientific publications and the dynamic nature of the Computer Science
landscape has made this solution increasingly inefficient. We have addressed
this issue by creating Smart Book Recommender (SBR), an ontology-based
recommender system developed by The Open University (OU) in collaboration with
Springer Nature, which supports their Computer Science editorial team in
selecting the products to market at specific venues. SBR recommends books,
journals, and conference proceedings relevant to a conference by taking
advantage of a semantically enhanced representation of about 27K editorial
products. This is based on the Computer Science Ontology, a very large-scale,
automatically generated taxonomy of research areas. SBR also allows users to
investigate why a certain publication was suggested by the system. It does so
by means of an interactive graph view that displays the topic taxonomy of the
recommended editorial product and compares it with the topic-centric
characterization of the input conference. An evaluation carried out with seven
Springer Nature editors and seven OU researchers has confirmed the
effectiveness of the solution.
- Abstract(参考訳): 大手学術出版社は、膨大な製品のカタログを分析し、科学的な場所で販売される最高のアイテムを選択する必要がある。
これは、何千もの本のトピックを高い精度で特徴付け、関連するコミュニティの利益とマッチングすることを必要とする複雑なエクササイズである。
Springer Natureでは、このタスクは伝統的に編集者が手作業で処理してきた。
しかし、科学出版物の数が急速に増加し、コンピュータ科学のランドスケープのダイナミックな性質により、このソリューションはますます非効率になってきた。
我々は,オープン大学(OU)がSpringer Natureと共同で開発した,オントロジーに基づく推薦システムであるSmart Book Recommender(SBR)を作成してこの問題に対処した。
SBRは、約27Kの編集製品のセマンティックに強化された表現を活用することにより、会議に関連する書籍、雑誌、会議の手続きを推奨している。
これは、非常に大規模で自動生成される研究領域の分類であるComputer Science Ontologyに基づいている。
sbrはまた、ユーザがなぜ特定の出版物がシステムによって提案されたのかを調査できる。
これは、推奨編集製品のトピック分類を表示し、入力カンファレンスのトピック中心の特徴付けと比較するインタラクティブグラフビューによって実現されている。
7人のspringer nature editorと7人のou研究者による評価によって、このソリューションの有効性が確認された。
関連論文リスト
- Harnessing PubMed User Query Logs for Post Hoc Explanations of
Recommended Similar Articles [5.306261813981977]
PubMedのユーザクエリログから560万のコクリックされた記事を再利用してPubCLogsを構築します。
PubCLogsデータセットを使用して、類似記事のタイトルの最も関連性の高い部分を選択するために設計されたモデルであるHighlight similar Article Title(HSAT)をトレーニングします。
HSATは経験的評価において高い性能を示し、PubCLogsテストセットでF1スコアが91.72パーセントに達した。
論文 参考訳(メタデータ) (2024-02-05T19:56:27Z) - Towards Controlled Table-to-Text Generation with Scientific Reasoning [46.87189607486007]
本稿では,科学的文書分析の自動化を目的とした,科学的データに対するユーザの嗜好に合致する,流動的で論理的な記述を生成するための新しいタスクを提案する。
学術文献から抽出したテーブル記述ペアからなる新しい挑戦的データセットSciTabを構築し,強調されたセルとそれに対応するドメイン固有知識ベースを構築した。
その結果、大規模なモデルでは、ユーザの好みに合わせて正確なコンテンツを生成するのに苦労していることがわかりました。
論文 参考訳(メタデータ) (2023-12-08T22:57:35Z) - 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) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳(メタデータ) (2022-11-07T16:19:42Z) - 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) - Revise and Resubmit: An Intertextual Model of Text-based Collaboration
in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。
既存のNLP研究は個々のテキストの分析に重点を置いている。
編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文 参考訳(メタデータ) (2022-04-22T16:39:38Z) - SciNoBo : A Hierarchical Multi-Label Classifier of Scientific
Publications [0.7305019142196583]
科学論文のフィールド・オブ・サイエンス(FoS)による分類が重要である。
本稿では,FoSの新たな分類システムであるSciNoBoを紹介する。
他の研究とは対照的に,本システムは複数の分野への出版物の割り当てを多元性の可能性を考慮して支援する。
論文 参考訳(メタデータ) (2022-04-02T15:09:33Z) - GraphConfRec: A Graph Neural Network-Based Conference Recommender System [2.66512000865131]
SciGraphとグラフニューラルネットワークを組み合わせた会議推薦システムであるGraphConfRecを提案する。
タイトルや抽象だけでなく、共著者関係や引用関係にも基づいている。
最大0.580のリコール@10と最大0.336のMAPをグラフアテンションネットワークベースのレコメンデーションモデルで達成する。
論文 参考訳(メタデータ) (2021-06-23T12:10:40Z) - Improving Editorial Workflow and Metadata Quality at Springer Nature [7.1717344176500335]
Smart Topic Miner(STM)は、Springer Nature編集チームを支援するアプリケーションで、コンピュータサイエンスの会議手続きをカバーするすべての書籍のボリュームに注釈を付けています。
STMは、ドイツ、中国、ブラジル、インド、日本の編集者によって年間約800巻にわたって定期的に使用されている。
特に私たちのソリューションは、アノテートに必要な時間を劇的に削減し、発見可能性を大幅に改善しました。
論文 参考訳(メタデータ) (2021-03-24T23:23:59Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳(メタデータ) (2020-11-06T02:23:01Z) - 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。