Fugu-MT 論文翻訳(概要): Paragraph-level Citation Recommendation based on Topic Sentences as Queries

論文の概要: Paragraph-level Citation Recommendation based on Topic Sentences as Queries

arxiv url: http://arxiv.org/abs/2305.12190v1
Date: Sat, 20 May 2023 13:28:22 GMT
ステータス: 処理完了
システム内更新日: 2023-05-23 23:56:51.381305
Title: Paragraph-level Citation Recommendation based on Topic Sentences as Queries
Title（参考訳）: トピック文をクエリとするパラグラフレベルの引用
Authors: Zoran Medi\'c, Jan \v{S}najder
Abstract要約: 引用推薦モデルは、著者が論文執筆プロセスの様々な段階で関連記事を見つけるのに役立つかもしれない。ほとんどの研究は、初期記述段階に適した一般的なレコメンデーションを生成するグローバルCRや、最終記述段階に適した特定のレコメンデーションを生成するローカルCRに対処している。本稿では,2つのアプローチの中間地点として段落レベルのCRの課題を提案し,段落の話題文を入力として,段落内で引用する推奨文を出力で作成する。
参考スコア（独自算出の注目度）: 0.30458514384586405
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Citation recommendation (CR) models may help authors find relevant articles at various stages of the paper writing process. Most research has dealt with either global CR, which produces general recommendations suitable for the initial writing stage, or local CR, which produces specific recommendations more fitting for the final writing stages. We propose the task of paragraph-level CR as a middle ground between the two approaches, where the paragraph's topic sentence is taken as input and recommendations for citing within the paragraph are produced at the output. We propose a model for this task, fine-tune it using the quadruplet loss on the dataset of ACL papers, and show improvements over the baselines.
Abstract（参考訳）: 引用推薦(CR)モデルは、著者が論文執筆プロセスの様々な段階で関連記事を見つけるのに役立つ。ほとんどの研究は、初期執筆段階に適した一般的な推奨書を生成するグローバルcrと、最終執筆段階に適した特定の推奨書を生成するローカルcrのいずれかを扱っている。本稿では,2つのアプローチの中間地点として段落レベルのCRの課題を提案し,段落の話題文を入力として,段落内で引用する推奨文を出力で作成する。本稿では,ACL論文のデータセット上での四重項損失を微調整し,ベースラインを改良したモデルを提案する。

関連論文リスト

RST-LoRA: A Discourse-Aware Low-Rank Adaptation for Long Document Abstractive Summarization [19.214041945441434]
本稿では RST-LoRA モデルに RST を明示的に組み込むための RST-LoRA を4種類提案する。我々の経験的評価は、修辞関係のタイプと不確かさを取り入れることで、LoRAの性能を補完的に向上させることができることを示している。
論文参考訳（メタデータ） (2024-05-01T17:37:50Z)
Aspect-based Meeting Transcript Summarization: A Two-Stage Approach with Weak Supervision on Sentence Classification [91.13086984529706]
Aspect-based meeting transcript summarization は複数の要約を生成することを目的としている。従来の要約手法は、全ての側面の情報を1つの要約で混合する。アスペクトベースの会議書き起こし要約のための2段階の手法を提案する。
論文参考訳（メタデータ） (2023-11-07T19:06:31Z)
Advancing Topic Segmentation and Outline Generation in Chinese Texts: The Paragraph-level Topic Representation, Corpus, and Benchmark [44.06803331843307]
段落レベルのトピック構造は、ドキュメント全体のコンテキストをより高いレベルから把握し、理解することができる。大規模で高品質な中国語段落レベルの話題構造コーパスの欠如は研究や応用を妨げた。コーパス構築を導くために,3層からなる階層的な段落レベルのトピック構造表現を提案する。 2段階のマンマシン・コラボレーティブ・アノテーションを用いて,中国最大規模のトピック構造コーパスを構築する。
論文参考訳（メタデータ） (2023-05-24T06:43:23Z)
SNaC: Coherence Error Detection for Narrative Summarization [73.48220043216087]
SNaCは長文の微粒化アノテーションに根ざした物語コヒーレンス評価フレームワークである。本稿では,生成した物語要約におけるコヒーレンスエラーの分類法を開発し,150冊の本や映画の脚本要約にまたがる6.6k文のスパンレベルアノテーションを収集する。我々の研究は、最先端の要約モデルによって生成されるコヒーレンスエラーの最初の特徴と、群衆アノテータからコヒーレンス判断を引き出すためのプロトコルを提供する。
論文参考訳（メタデータ） (2022-05-19T16:01:47Z)
A Proposition-Level Clustering Approach for Multi-Document Summarization [82.4616498914049]
クラスタリングアプローチを再検討し、より正確な情報アライメントの提案をグループ化します。提案手法は,有意な命題を検出し,それらをパラフラスティックなクラスタに分類し,その命題を融合して各クラスタの代表文を生成する。 DUC 2004 とTAC 2011 データセットでは,従来の最先端 MDS 法よりも要約法が優れている。
論文参考訳（メタデータ） (2021-12-16T10:34:22Z)
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)
Towards Explainable Scientific Venue Recommendations [0.09668407688201358]
本稿では,この領域における最先端の手法を提案する。まず,非負行列分解に基づくトピックモデルを用いて,推薦の解釈可能性を高める。第二に、より単純な学習方法を用いて、驚くほど競争力のあるレコメンデーション性能を得ることができる。
論文参考訳（メタデータ） (2021-09-21T10:25:26Z)
Controllable Abstractive Dialogue Summarization with Sketch Supervision [56.59357883827276]
本モデルは,最大50.79のROUGE-Lスコアを持つ最大対話要約コーパスSAMSumの最先端性能を実現する。
論文参考訳（メタデータ） (2021-05-28T19:05:36Z)
Summary-Source Proposition-level Alignment: Task, Datasets and Supervised Baseline [94.0601799665342]
資料の参照要約における文のアライメントは,補助的な要約作業として有用であった。本稿では,2つの重要な新機能を導入しながら,要約ソースアライメントを明示的なタスクとして確立することを提案する。我々は提案レベルのアライメントのための新しいトレーニングデータセットを作成し、利用可能な要約評価データから自動的に抽出する。教師なしアプローチよりも優れたアライメント品質を示す教師付き命題アライメントベースラインモデルを提案する。
論文参考訳（メタデータ） (2020-09-01T17:27:12Z)
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)
Towards Making the Most of Context in Neural Machine Translation [112.9845226123306]
我々は、これまでの研究がグローバルな文脈をはっきりと利用しなかったと論じている。本研究では,各文の局所的文脈を意図的にモデル化する文書レベルNMTフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-19T03:30:00Z)

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。