論文の概要: PaperWeaver: Enriching Topical Paper Alerts by Contextualizing Recommended Papers with User-collected Papers

• arxiv url: http://arxiv.org/abs/2403.02939v1
• Date: Tue, 5 Mar 2024 13:10:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 14:48:26.354644
• Title: PaperWeaver: Enriching Topical Paper Alerts by Contextualizing Recommended Papers with User-collected Papers
• Title（参考訳）: paperweaver: ユーザによる推薦論文のコンテキスト化による話題紙警告の強化
• Authors: Yoonjoo Lee, Hyeonsu B. Kang, Matt Latzke, Juho Kim, Jonathan Bragg, Joseph Chee Chang, Pao Siangliulue
• Abstract要約: PaperWeaverは、ユーザが編集した論文に基づいて推奨論文のコンテキスト化されたテキスト記述を提供する、リッチな紙警告システムである。 ユーザ調査の結果,PaperWeaverの参加者は推奨論文の関連性をよりよく理解することができた。
• 参考スコア（独自算出の注目度）: 42.02169969275787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rapid growth of scholarly archives, researchers subscribe to "paper alert" systems that periodically provide them with recommendations of recently published papers that are similar to previously collected papers. However, researchers sometimes struggle to make sense of nuanced connections between recommended papers and their own research context, as existing systems only present paper titles and abstracts. To help researchers spot these connections, we present PaperWeaver, an enriched paper alerts system that provides contextualized text descriptions of recommended papers based on user-collected papers. PaperWeaver employs a computational method based on Large Language Models (LLMs) to infer users' research interests from their collected papers, extract context-specific aspects of papers, and compare recommended and collected papers on these aspects. Our user study (N=15) showed that participants using PaperWeaver were able to better understand the relevance of recommended papers and triage them more confidently when compared to a baseline that presented the related work sections from recommended papers.
• Abstract（参考訳）: 学術文書の急速な成長に伴い、研究者は「ペーパーアラート」システムを購読し、以前収集した論文に類似した論文のレコメンデーションを定期的に提供している。 しかし、既存のシステムは論文の題名と要約のみを提示するため、研究者は推奨論文と自身の研究コンテキストの間のニュアンス関係を理解するのに苦労することがある。 研究者がこれらの接続を見つけるのに役立ち、ユーザが収集した論文に基づいて推奨論文のコンテキスト化されたテキスト記述を提供する、強化されたペーパーアラートシステムpaperweaverを提案する。 PaperWeaverはLarge Language Models(LLMs)に基づく計算手法を用いて、収集した論文からユーザの研究関心を推測し、論文の文脈固有の側面を抽出し、これらの側面について推奨および収集された論文を比較する。 ユーザ調査 (n=15) により, paperweaver を用いた被験者は, 推奨論文の関連項目を提示する基準と比較して, 推奨論文の妥当性をよりよく理解し, 信頼性を高めることができた。

関連論文リスト

• Temporal Graph Neural Network-Powered Paper Recommendation on Dynamic Citation Networks [4.666226480911492]
  本稿では,紙レコメンデーション戦略に時間的次元を導入する。 中心となる考え方は、新しい引用関係が現れたときに紙の埋め込みを継続的に更新することである。 リカレントニューラルネットワーク(RNN)に基づく学習可能なメモリ更新モジュールを使用して、埋め込みの進化を研究する。
  論文  参考訳（メタデータ） (2024-08-27T19:10:21Z)
• 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)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• 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)
• QuOTeS: Query-Oriented Technical Summarization [0.2936007114555107]
  提案するQuOTeSは,潜在的参照の集合から研究の要約に関連する文章を検索するインタラクティブシステムである。 QuOTeS は Query-Focused Extractive Summarization と High-Recall Information Retrieval の技法を統合し、科学文書のインタラクティブなクエリ-Focused Summarization を提供する。 結果から,QuOTeSは肯定的なユーザエクスペリエンスを提供し,関連する,簡潔かつ完全なクエリ中心の要約を一貫して提供することが明らかになった。
  論文  参考訳（メタデータ） (2023-06-20T18:43:24Z)
• 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)
• Multi-task recommendation system for scientific papers with high-way networks [1.5229257192293197]
  論文推薦を予測し,キーワードなどのメタデータを生成するマルチタスクレコメンデーションシステム(RS)を提案する。 このアプローチの背景には、キーワードとして表現された論文のトピックが、研究者の好みの予測に有用である、という動機がある。 我々のアプリケーションは、ハイウェイネットワークを使ってシステムを非常に深く訓練し、RNNとCNNの利点を組み合わせて最も重要な要素を見つけ、遅延表現する。
  論文  参考訳（メタデータ） (2022-04-21T07:40:47Z)
• iFacetSum: Coreference-based Interactive Faceted Summarization for Multi-Document Exploration [63.272359227081836]
  iFacetSumは、インタラクティブな要約と顔検索を統合している。 微粒なファセットは、クロスドキュメントのコア参照パイプラインに基づいて自動的に生成される。
  論文  参考訳（メタデータ） (2021-09-23T20:01:11Z)
• 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)

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。