論文の概要: QuoteR: A Benchmark of Quote Recommendation for Writing

• arxiv url: http://arxiv.org/abs/2202.13145v1
• Date: Sat, 26 Feb 2022 14:01:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 14:21:03.432612
• Title: QuoteR: A Benchmark of Quote Recommendation for Writing
• Title（参考訳）: QuoteR: 記述のためのQuote Recommendationのベンチマーク
• Authors: Fanchao Qi, Yanhui Yang, Jing Yi, Zhili Cheng, Zhiyuan Liu, Maosong Sun
• Abstract要約: QuoteRと呼ばれる大規模かつ完全にオープンな引用レコメンデーションデータセットを構築します。 我々はQuoteR上で既存の引用レコメンデーション手法を広範囲に評価する。 提案手法は,QuoteRの3つの部分すべてにおいて,従来の手法よりも大幅に優れていた。
• 参考スコア（独自算出の注目度）: 80.83859760380616
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: It is very common to use quotations (quotes) to make our writings more elegant or convincing. To help people find appropriate quotes more efficiently, the task of quote recommendation is presented, aiming to recommend quotes that fit the current context of writing. There have been various quote recommendation approaches, but they are evaluated on different unpublished datasets. To facilitate the research on this task, we build a large and fully open quote recommendation dataset called QuoteR, which comprises three parts including English, standard Chinese and classical Chinese. Any part of it is larger than previous unpublished counterparts. We conduct an extensive evaluation of existing quote recommendation methods on QuoteR. Furthermore, we propose a new quote recommendation model that significantly outperforms previous methods on all three parts of QuoteR. All the code and data of this paper are available at https://github.com/thunlp/QuoteR.
• Abstract（参考訳）: 私たちの著作をよりエレガントで説得力のあるものにするために引用(引用)を用いるのが一般的です。 適切な引用をより効率的に見つけるために、引用推奨のタスクが提示され、現在の文章の文脈に合致した引用を推薦する。 様々な引用レコメンデーションアプローチがあるが、それらは異なる未発表データセットで評価されている。 そこで本研究では, 英語, 標準中国語, 古典中国語の3部からなる, 大きくて完全にオープンな引用推奨データセットquotrを構築した。 どの部分も以前の未発表のものよりも大きい。 既存の引用推薦手法をQuoteR上で広範囲に評価する。 さらに,従来の3つの部分すべてにおいて,従来の手法を大幅に上回る,新たな引用推薦モデルを提案する。 この論文のすべてのコードとデータは、https://github.com/thunlp/quoterで入手できる。

関連論文リスト

• QUILL: Quotation Generation Enhancement of Large Language Models [45.385109352200196]
  大規模言語モデル(LLM)は優れた筆記アシスタントとなったが、引用生成に苦戦している。 これは、事実的な引用を提供するときに幻覚を与えるか、人間の期待を超える引用を与えるのに失敗するためである。 まず,引用生成タスクの総合的かつ自動評価システムを構築し,それぞれが対応する自動測定値を持つ5つの基準から構成される。 次に、スコープが広く次元が豊富なバイリンガル知識ベースを構築し、最大32,022個の引用を含む。
  論文  参考訳（メタデータ） (2024-11-06T05:24:09Z)
• ILCiteR: Evidence-grounded Interpretable Local Citation Recommendation [31.259805200946175]
  本稿では,特定の論文を推薦するための証拠を対象とする,根拠に基づく局所引用推薦タスクを紹介する。 単にレコメンデーションを出力する過去の定式化とは異なり、ICCiteRはエビデンスのリストとレコメンデーションペーパーのペアを検索する。 本研究では,エビデンスに基づく局所的引用推薦タスクのための新しいデータセットを提供し,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-03-13T17:38:05Z)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Recommendation as Instruction Following: A Large Language Model Empowered Recommendation Approach [83.62750225073341]
  我々は、大規模言語モデル(LLM)による指示としてレコメンデーションを考える。 まず、ユーザの好み、意図、タスクフォーム、コンテキストを自然言語で記述するための一般的な命令形式を設計する。 そして、39の命令テンプレートを手動で設計し、大量のユーザ個人化された命令データを自動的に生成する。
  論文  参考訳（メタデータ） (2023-05-11T17:39:07Z)
• 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)
• Recommending Multiple Positive Citations for Manuscript via Content-Dependent Modeling and Multi-Positive Triplet [6.7854900381386845]
  我々は、引用推薦のための新しい科学的論文モデリング、すなわち、Citation Recommendationのための多陽性BERTモデル(MP-BERT4CR)を提案する。 提案手法には次のような利点がある: まず、提案された多陽性目的は複数の正の候補を推薦するのに効果的である。 MP-BERT4CRは、過去のものと比べ歴史的に低い頻度の共引用ペアの完全なリストを取得するのにも有効である。
  論文  参考訳（メタデータ） (2021-11-25T04:09:31Z)
• Learning Neural Textual Representations for Citation Recommendation [7.227232362460348]
  サブモジュラースコアリング機能において,シームズとトリプルトネットワークを併用した文書(センテンス-BERT)の深部表現を用いた引用推薦手法を提案する。 我々の知る限りでは、これは引用推薦のタスクに対して、ディープ表現とサブモジュラー選択を組み合わせるための最初のアプローチである。
  論文  参考訳（メタデータ） (2020-07-08T12:38:50Z)
• Context-Based Quotation Recommendation [60.93257124507105]
  本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。 これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。 音声テキストと関連するニュース記事の収集実験を行う。
  論文  参考訳（メタデータ） (2020-05-17T17:49:53Z)
• Citation Recommendation: Approaches and Datasets [20.47628019708079]
  引用レコメンデーションは、あるテキストに対して引用を推奨するタスクを記述する。 近年,いくつかのアプローチと評価データセットが提案されている。 引用推薦に関する文献調査は行われていない。
  論文  参考訳（メタデータ） (2020-02-17T13:59:50Z)

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。