論文の概要: Automatic Related Work Generation: A Meta Study
- arxiv url: http://arxiv.org/abs/2201.01880v1
- Date: Thu, 6 Jan 2022 01:16:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-07 20:51:58.501443
- Title: Automatic Related Work Generation: A Meta Study
- Title(参考訳): 自動関連作業生成:メタスタディ
- Authors: Xiangci Li and Jessica Ouyang
- Abstract要約: 自然言語処理では、通常「関連作業」という節で文献レビューが行われる。
自動作業生成の課題は, 「関連作業」 セクションを自動生成することである。
本稿では,問題定式化,データセット収集,方法論的アプローチ,性能評価,今後の展望の観点から,関連作業生成に関する既存の文献をメタスタディで比較する。
- 参考スコア(独自算出の注目度): 5.025654873456755
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Academic research is an exploration activity to solve problems that have
never been resolved before. By this nature, each academic research work is
required to perform a literature review to distinguish its novelties that have
not been addressed by prior works. In natural language processing, this
literature review is usually conducted under the "Related Work" section. The
task of automatic related work generation aims to automatically generate the
"Related Work" section given the rest of the research paper and a list of cited
papers. Although this task was proposed over 10 years ago, it received little
attention until very recently, when it was cast as a variant of the scientific
multi-document summarization problem. However, even today, the problems of
automatic related work and citation text generation are not yet standardized.
In this survey, we conduct a meta-study to compare the existing literature on
related work generation from the perspectives of problem formulation, dataset
collection, methodological approach, performance evaluation, and future
prospects to provide the reader insight into the progress of the
state-of-the-art studies, as well as and how future studies can be conducted.
We also survey relevant fields of study that we suggest future work to consider
integrating.
- Abstract(参考訳): 学術研究は、これまで解決されたことのない問題を解決するための調査活動である。
この性質上、各学術研究活動は、先行研究が取り組んだことのない斬新さを区別するために、文献レビューを行う必要がある。
自然言語処理では、この文献レビューは「関連作業」のセクションで通常実施される。
自動関連作業生成のタスクは、研究論文の残りと引用論文のリストを与えられた「関連作業」セクションを自動的に生成することを目的としている。
この課題は10年以上前に提案されたが、科学的多文書要約問題の変種として紹介されるまでほとんど注目されなかった。
しかし、現在でも自動関連作業や引用テキスト生成の問題は標準化されていない。
本研究では,課題の定式化,データセットの収集,方法論的アプローチ,パフォーマンス評価,今後の展望などの観点から,関連するワークジェネレーションに関する既存の文献をメタスタディとして比較し,最先端研究の進展と今後の研究のあり方について読者の洞察を提供する。
また,今後の統合について検討すべき研究分野についても検討する。
関連論文リスト
- Explaining Relationships Among Research Papers [14.223038413516685]
本稿では,よりリッチな引用テキストを生成するための機能ベースのLLMプロンプト手法を提案する。
人間の好みと統合的書き方の間には強い相関関係がみられ,高いレベルの抽象的引用を好むことが示唆された。
論文 参考訳(メタデータ) (2024-02-20T23:38:39Z) - Spurious Correlations in Machine Learning: A Survey [69.89249134046086]
機械学習システムは、入力の偏りのある特徴と対応するラベルの間の急激な相関に敏感である。
これらの特徴とそのラベルとの相関は"spurious"として知られている。
我々は、機械学習モデルにおける素早い相関に対処する現在の最先端の手法の分類とともに、この問題を包括的にレビューする。
論文 参考訳(メタデータ) (2024-02-20T04:49:34Z) - Target-aware Abstractive Related Work Generation with Contrastive
Learning [48.02845973891943]
関連作業部は学術論文の重要な構成要素であり、参考論文の文脈における対象論文の貢献を強調している。
既存の作業部生成手法の多くは、既成の文章を抽出することに依存している。
本稿では,新たな文からなる関連作業区間を生成できる抽象的目標認識関連作業生成装置(TAG)を提案する。
論文 参考訳(メタデータ) (2022-05-26T13:20:51Z) - CORWA: A Citation-Oriented Related Work Annotation Dataset [4.740962650068886]
自然言語処理では、通常「関連作業」という節で文献レビューが行われる。
我々はCORWAラベルを自動的にタグ付けする強力なベースラインモデルをトレーニングする。
そこで本研究では,ヒューマン・イン・ザ・ループ,反復的,抽象的関連作業生成のための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-07T00:23:46Z) - A Survey on Retrieval-Augmented Text Generation [53.04991859796971]
Retrieval-augmented text generationは顕著な利点があり、多くのNLPタスクで最先端のパフォーマンスを実現している。
まず、検索拡張生成の一般的なパラダイムを強調し、異なるタスクに応じて注目すべきアプローチをレビューする。
論文 参考訳(メタデータ) (2022-02-02T16:18:41Z) - Tell Me How to Survey: Literature Review Made Simple with Automatic
Reading Path Generation [16.07200776251764]
論文を大量の文献から読めば、簡単な調査をしたり、特定の研究トピックに関する最新の進歩に遅れないようにする方法が課題になっている。
Google Scholarのような既存の学術検索エンジンは、各論文とクエリ間の関連性を個別に計算することで、関連論文を返す。
本稿では,あるクエリに対して読み込む論文のパスを自動生成することを目的とした読解パス生成(RPG)を紹介する。
論文 参考訳(メタデータ) (2021-10-12T20:58:46Z) - Topic Space Trajectories: A case study on machine learning literature [0.0]
本稿では,研究トピックの包括的追跡を可能にする構造であるトピック空間トラジェクトリを提案する。
我々は,32の出版会場から50年間の機械学習研究を対象とする出版コーパスへのアプローチの適用性を示した。
本手法は,論文分類,今後の研究課題の予測,未発表の論文提出のための会議や雑誌の掲載を推奨するために利用することができる。
論文 参考訳(メタデータ) (2020-10-23T10:53:42Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳(メタデータ) (2020-10-14T17:54:42Z) - 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) - 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。