論文の概要: Detecting and analyzing missing citations to published scientific entities

• arxiv url: http://arxiv.org/abs/2210.10073v1
• Date: Tue, 18 Oct 2022 18:08:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 12:33:27.445552
• Title: Detecting and analyzing missing citations to published scientific entities
• Title（参考訳）: 出版科学分野への引用の欠落の検出と分析
• Authors: Jialiang Lin, Yao Yu, Jiaxin Song, Xiaodong Shi
• Abstract要約: 我々は,出版された科学エンティティとテキスト内引用の共起に基づくCRPSE(Citation Recommendation for Published Scientific Entity)を設計する。 我々は、2020年の卓越したコンピュータサイエンスカンファレンスで発表された論文の中で、欠落した引用に関する統計的分析を行う。 中央値に基づいて、これらの論文は8年前に出版され、引用の欠如が指摘されている。
• 参考スコア（独自算出の注目度）: 5.811229506383401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Proper citation is of great importance in academic writing for it enables knowledge accumulation and maintains academic integrity. However, citing properly is not an easy task. For published scientific entities, the ever-growing academic publications and over-familiarity of terms easily lead to missing citations. To deal with this situation, we design a special method Citation Recommendation for Published Scientific Entity (CRPSE) based on the cooccurrences between published scientific entities and in-text citations in the same sentences from previous researchers. Experimental outcomes show the effectiveness of our method in recommending the source papers for published scientific entities. We further conduct a statistical analysis on missing citations among papers published in prestigious computer science conferences in 2020. In the 12,278 papers collected, 475 published scientific entities of computer science and mathematics are found to have missing citations. Many entities mentioned without citations are found to be well-accepted research results. On a median basis, the papers proposing these published scientific entities with missing citations were published 8 years ago, which can be considered the time frame for a published scientific entity to develop into a well-accepted concept. For published scientific entities, we appeal for accurate and full citation of their source papers as required by academic standards.
• Abstract（参考訳）: 優れた引用は、知識の蓄積を可能にし、学術的整合性を維持するため、学術著作において非常に重要である。 しかし、適切に引用することは容易ではない。 刊行された科学機関にとって、成長を続ける学術出版物や用語の過度に精通した出版物は、容易に引用の欠落につながる。 このような状況に対処するため,我々は,従来の研究者による同文の学術論文と文内引用の共起に基づくCRPSE(Citation Recommendation for Published Scientific Entity)を特別に設計する。 実験の結果, 学術論文の推薦に本手法の有効性が示された。 我々はさらに,2020年の著名なコンピュータサイエンスカンファレンスで発表された論文の中で,紛失した引用に関する統計分析を行う。 12,278の論文で、コンピュータ科学と数学に関する475の論文が引用を欠いていることが判明した。 引用なしで言及される多くの実体は、よく受け入れられた研究結果である。 中央集学的に、これらの出版物に引用の欠如を示唆する論文が8年前に出版されたが、これは出版物が広く受け入れられた概念へと発展するための時間枠と考えられる。 刊行された科学機関に対しては,学術標準で要求される資料の正確かつ完全な引用を訴える。

関連論文リスト

• Decoding Knowledge Claims: The Evaluation of Scientific Publication Contributions through Semantic Analysis [0.3374875022248865]
  本稿では,RWMD(Relaxed Word Mover's Distance)という意味的テキスト類似度尺度を用いて,論文の新規性を評価する。 我々は,1)H-Index関連論文,2)サイエントメトリック研究,3)非関連論文の3つのグループでRWMDの結果を比較し,冗長な文献や誇大広告を真のイノベーションから識別することを目的とした。
  論文  参考訳（メタデータ） (2024-07-26T10:28:59Z)
• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)
• Hidden Citations Obscure True Impact in Science [1.5279567721070433]
  発見が常識となると、引用は編入によって消滅する。 ここでは、隠れた引用を体系的に識別するために、各論文の全文に適用された教師なしの解釈可能な機械学習を頼りにしている。 本研究は, 暗黙の引用の頻度は引用数ではなく, 原稿のテキスト中の話題に関する言説の程度によってもたらされることを示す。
  論文  参考訳（メタデータ） (2023-10-24T20:58:07Z)
• ChatGPT cites the most-cited articles and journals, relying solely on Google Scholar's citation counts. As a result, AI may amplify the Matthew Effect in environmental science [0.0]
  ChatGPTは、環境科学の高度に刺激された出版物を引用する傾向がある。 Google Scholarの引用は、GPT生成コンテンツの研究に言及するための予測器として重要な役割を果たす。
  論文  参考訳（メタデータ） (2023-04-13T19:29:49Z)
• Modeling Information Change in Science Communication with Semantically Matched Paraphrases [50.67030449927206]
  SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。 SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。 SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2022-10-24T07:44:38Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• A Measure of Research Taste [91.3755431537592]
  生産性と味の両方に報いる引用に基づく尺度を提案する。 提示された尺度capは、出版物とその量の影響のバランスをとる。 本研究では, 生物学, 計算機科学, 経済学, 物理分野の研究者を対象に, capの特性を解析した。
  論文  参考訳（メタデータ） (2021-05-17T18:01:47Z)
• Semantic Analysis for Automated Evaluation of the Potential Impact of Research Articles [62.997667081978825]
  本稿では,情報理論に基づくテキスト意味のベクトル表現のための新しい手法を提案する。 この情報意味論がLeicester Scientific Corpusに基づいてテキスト分類にどのように使用されるかを示す。 テキストの意味を表現するための情報的アプローチは,研究論文の科学的影響を効果的に予測する方法であることを示す。
  論文  参考訳（メタデータ） (2021-04-26T20:37:13Z)
• Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
  引用グラフを用いて科学論文の要約作業を再定義します。 我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。 我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
  論文  参考訳（メタデータ） (2021-04-07T11:13:35Z)
• Utilizing Citation Network Structure to Predict Citation Counts: A Deep Learning Approach [0.0]
  本稿では,情報カスケードの効果を組み合わせ,引用数予測問題に注目するエンド・ツー・エンドのディープラーニングネットワークであるDeepCCPを提案する。 6つの実データ集合の実験によると、DeepCCPは引用数予測の精度において最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-09-06T05:27:50Z)

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。