論文の概要: A Comprehensive Attempt to Research Statement Generation
- arxiv url: http://arxiv.org/abs/2104.14339v1
- Date: Sun, 25 Apr 2021 03:57:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 04:14:38.389476
- Title: A Comprehensive Attempt to Research Statement Generation
- Title（参考訳）: 文生成研究の包括的試み
- Authors: Wenhao Wu and Sujian Li
- Abstract要約: 本稿では,研究成果を要約した研究声明生成タスクを提案する。
我々は、62の研究ステートメントと対応する1,203の出版物からなるrsgデータセットを構築した。
提案手法は,コンテンツカバレッジとコヒーレンスを向上して,すべてのベースラインを上回ります。
- 参考スコア（独自算出の注目度）: 39.8491923428562
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For a researcher, writing a good research statement is crucial but costs a
lot of time and effort. To help researchers, in this paper, we propose the
research statement generation (RSG) task which aims to summarize one's research
achievements and help prepare a formal research statement. For this task, we
conduct a comprehensive attempt including corpus construction, method design,
and performance evaluation. First, we construct an RSG dataset with 62 research
statements and the corresponding 1,203 publications. Due to the limitation of
our resources, we propose a practical RSG method which identifies a
researcher's research directions by topic modeling and clustering techniques
and extracts salient sentences by a neural text summarizer. Finally,
experiments show that our method outperforms all the baselines with better
content coverage and coherence.
- Abstract（参考訳）: 研究者にとって、優れた研究声明を書くことは重要だが、多くの時間と労力がかかる。
本稿では,研究成果を要約し,正式な研究成果を作成することを目的とした研究成果生成(RSG)タスクを提案する。
本研究では,コーパス構築,メソッド設計,性能評価などの総合的な試みを行う。
まず、62の研究ステートメントと対応する1,203の出版物からなるrsgデータセットを構築する。
資源の制限により,トピックモデリングとクラスタリング技術を用いて研究者の研究方向を特定し,ニューラルネットワーク要約器により有能な文章を抽出する実践的RSG手法を提案する。
最後に,本手法は,コンテンツカバレッジとコヒーレンスを向上し,すべてのベースラインに優れることを示す。
関連論文リスト
- Agent Laboratory: Using LLM Agents as Research Assistants [26.588095150057384]
Agent Laboratoryは、研究プロセス全体を完了できる自律的なフレームワークである。
人間が提案する研究アイデアを受け入れ、文学的レビュー、実験、レポート作成という3つの段階を進む。
エージェント・ラボラトリーは研究費を大幅に削減し、従来の自律的な研究方法に比べて84%の削減を実現している。
論文 参考訳（メタデータ） (2025-01-08T01:58:42Z) - Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。
大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。
本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
論文 参考訳（メタデータ） (2024-10-17T03:26:37Z) - ResearchArena: Benchmarking Large Language Models' Ability to Collect and Organize Information as Research Agents [21.17856299966841]
本研究では,学術調査における大規模言語モデル(LLM)の評価のためのベンチマークであるResearchArenaを紹介する。
これらの機会を養うため、12万のフルテキスト学術論文と7.9Kのサーベイ論文の環境を構築した。
論文 参考訳（メタデータ） (2024-06-13T03:26:30Z) - SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [80.49349719239584]
SciRIFF(Scientific Resource for Instruction-Following and Finetuning, SciRIFF)は、54のタスクに対して137Kの命令追従デモのデータセットである。
SciRIFFは、幅広い科学分野の研究文献から情報を抽出し、合成することに焦点を当てた最初のデータセットである。
論文 参考訳（メタデータ） (2024-06-10T21:22:08Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。
ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳（メタデータ） (2024-04-11T13:36:29Z) - SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。
SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。
本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文 参考訳（メタデータ） (2024-04-09T15:01:51Z) - Acceleron: A Tool to Accelerate Research Ideation [15.578814192003437]
Acceleronは、研究ライフサイクルの異なるフェーズのための研究アクセラレータである。
これは、新しい研究課題を含む包括的な研究提案の定式化を通じて、研究者を導くものである。
我々はLarge Language Models(LLM)の推論とドメイン固有のスキルを活用してエージェントベースのアーキテクチャを作成します。
論文 参考訳（メタデータ） (2024-03-07T10:20:06Z) - Research Scholar Interest Mining Method based on Load Centrality [15.265191824669555]
本稿では,負荷集中度に基づく研究研究者の関心マイニングアルゴリズムを提案する。
各トピックの地域構造は、ノードの集中度研究モデルの重みを正確に計算するために使用することができる。
本稿では, 負荷率センタに基づく科学的研究協力により, 科学的研究研究者の関心を効果的に抽出することができる。
論文 参考訳（メタデータ） (2022-03-21T04:16:46Z) - From Standard Summarization to New Tasks and Beyond: Summarization with
Manifold Information [77.89755281215079]
テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。
現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。
本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
論文 参考訳（メタデータ） (2020-05-10T14:59:36Z) - Two Huge Title and Keyword Generation Corpora of Research Articles [0.0]
本稿では,テキスト要約(OAGSX)とキーワード生成(OAGKX)の2つの巨大なデータセットを紹介する。
データは、研究プロファイルと出版物のネットワークであるOpen Academic Graphから取得された。
より具体的な分野から研究論文のサブセットを導出するために、この2つの集合にトピックモデリングを適用したい。
論文 参考訳（メタデータ） (2020-02-11T21:17:29Z)
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。