論文の概要: Freshness and Informativity Weighted Cognitive Extent and Its Correlation with Cumulative Citation Count
- arxiv url: http://arxiv.org/abs/2412.03557v1
- Date: Wed, 04 Dec 2024 18:52:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-05 15:06:22.571032
- Title: Freshness and Informativity Weighted Cognitive Extent and Its Correlation with Cumulative Citation Count
- Title（参考訳）: フレッシュネスとインフォーマティビティの重み付き認知活動量と累積クッション数との相関
- Authors: Zihe Wang, Jian Wu,
- Abstract要約: 我々は認知範囲を再考し、もともとはクォータ内のユニークなフレーズの数として定義されていた。
フレッシュネスとInformative Weighted Cognitive Extent(FICE)について紹介する。
FICEはクォータ内の平均累積引用数と強い相関を示す。
- 参考スコア（独自算出の注目度）: 6.476747478586597
- License:
- Abstract: In this paper, we revisit cognitive extent, originally defined as the number of unique phrases in a quota. We introduce Freshness and Informative Weighted Cognitive Extent (FICE), calculated based on two novel weighting factors, the lifetime ratio and informativity of scientific entities. We model the lifetime of each scientific entity as the time-dependent document frequency, which is fit by the composition of multiple Gaussian profiles. The lifetime ratio is then calculated as the cumulative document frequency at the publication time $t_0$ divided by the cumulative document frequency over its entire lifetime. The informativity is calculated by normalizing the document frequency across all scientific entities recognized in a title. Using the ACL Anthology, we verified the trend formerly observed in several other domains that the number of unique scientific entities per quota increased gradually at a slower rate. We found that FICE exhibits a strong correlation with the average cumulative citation count within a quota. Our code is available at \href{https://github.com/ZiheHerzWang/Freshness-and-Informativity-Weighted-Cognitive-Extent}{https://github.com/ZiheHerzWang/Freshness-and-Informativity-Weighted-Cognitive-Extent}
- Abstract（参考訳）: 本稿では,当初,クォータ中の一意なフレーズの数として定義されていた認知的範囲を再考する。
本稿では,2つの新しい重み付け因子(寿命比と科学的実体の情報伝達率)に基づいて算出されたフレッシュネス・インフォーマティブ・ウェイトド・コグニティブ・エクセント(FICE)について紹介する。
我々は、各科学的実体の寿命を、複数のガウスプロファイルの合成に適合する時間依存文書周波数としてモデル化する。
そして、寿命比を、その生涯にわたって累積文書頻度で分割された公開時間$t_0$の累積文書頻度として算出する。
情報化度は、タイトルで認識されたすべての科学的実体の文書頻度を正規化することにより算出される。
ACLアンソロジーを用いて、他のいくつかの領域で以前に観察された傾向を検証した。
その結果,FICEはクォータ内における平均累積引用数と強く相関していることがわかった。
我々のコードは \href{https://github.com/ZiheHerzWang/Freshness-and-Informativity-Weighted-Cognitive-Extent}{https://github.com/ZiheHerzWang/Freshness-and-Informativity-Weighted-Cognitive-Extent} で入手できる。
関連論文リスト
- Coarse-to-Fine Highlighting: Reducing Knowledge Hallucination in Large Language Models [58.952782707682815]
COFTは、異なるレベルのキーテキストにフォーカスする新しい方法であり、長いコンテキストで失われることを避ける。
知識幻覚ベンチマークの実験ではCOFTの有効性が示され、F1スコアの30%以上の性能が向上した。
論文 参考訳（メタデータ） (2024-10-19T13:59:48Z) - Learning Granularity Representation for Temporal Knowledge Graph Completion [2.689675451882683]
時間的知識グラフ(TKG)は、実世界の事実の動的な構造的知識と進化的パターンを反映する時間的情報を含んでいる。
本稿では,TKG 補完のための textbfLearning textbfGranularity textbfRepresentation (termed $mathsfLGRe$) を提案する。
グラニュラリティ・ラーニング(GRL)とアダプティブグラニュラリティ・バランシング(AGB)の2つの主要コンポーネントから構成される。
論文 参考訳（メタデータ） (2024-08-27T08:19:34Z) - Predicting Scientific Impact Through Diffusion, Conformity, and Contribution Disentanglement [11.684776349325887]
既存のモデルは、引用数推定に静的グラフに依存するのが一般的である。
論文の拡散, コンフォーマル性, コントリビューション値に潜在的影響を分散させる新しいモデルDPPDCCを導入する。
論文 参考訳（メタデータ） (2023-11-15T07:21:11Z) - DCID: Deep Canonical Information Decomposition [84.59396326810085]
本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。
そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。
また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
論文 参考訳（メタデータ） (2023-06-27T16:59:06Z) - Predicting Long-Term Citations from Short-Term Linguistic Influence [20.78217545537925]
研究論文の影響の基準尺度は、その引用回数である。
本稿では,タイムスタンプによる文書収集における言語的影響の定量化手法を提案する。
論文 参考訳（メタデータ） (2022-10-24T22:03:26Z) - Gacs-Korner Common Information Variational Autoencoder [102.89011295243334]
本稿では,2つの変数間で共有される情報の定量化と分離を可能にする共通情報の概念を提案する。
画像やビデオなどの高次元データでも意味論的に意味のある共通要素や特徴要因を学習できることを実証する。
論文 参考訳（メタデータ） (2022-05-24T17:47:26Z) - Deep Graph Learning for Anomalous Citation Detection [55.81334139806342]
本稿では,新たな深層グラフ学習モデルであるGLAD(Graph Learning for Anomaly Detection)を提案する。
GLADフレームワーク内ではCPU(Citation PUrpose)と呼ばれるアルゴリズムが提案され,引用テキストに基づく引用の目的が明らかになった。
論文 参考訳（メタデータ） (2022-02-23T09:05:28Z) - Extracting Fine-Grained Knowledge Graphs of Scientific Claims: Dataset
and Transformer-Based Results [0.5710971447109948]
SciClaimは、社会行動科学(SBS)、PubMed、CORD-19の論文から得られた科学的主張のデータセットです。
我々の新しいグラフアノテーションスキーマは、粗粒度エンティティをノードとして、関係をエッジとして、またエンティティとそれらの関係を変更する細粒度属性を組み込んでいます。
ラベルの種類が増加し、以前のデータセットのラベル密度が2倍以上になることにより、SciClaimは、実験変数に対する因果関係、比較、予測、統計、比例関係、およびそれらの資格、サブタイプ、証拠をキャプチャする。
論文 参考訳（メタデータ） (2021-09-21T22:54:09Z) - Scientometric engineering: Exploring citation dynamics via arXiv eprints [0.0]
本稿では,arXiv上の150万以上の電子プリントの引用データについて検討する。
典型的成長パターンと可溶化パターンは, 分野によって異なることが判明した。
我々は, 励起成長と可溶化の観測量的, 時間的特性に整合したモデルを導出した。
論文 参考訳（メタデータ） (2021-06-09T12:38:44Z) - 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) - Tweet Sentiment Quantification: An Experimental Re-Evaluation [88.60021378715636]
センチメント定量化(Sentiment Quantification)は、教師付き学習によって、感情関連クラスの相対周波数(prevalence')を推定するタスクである。
統合され、より堅牢な実験プロトコルに従って、これらの定量化手法を再評価する。
結果はガオ・ガオ・セバスティアーニ(Gao Gao Sebastiani)によって得られたものとは大きく異なり、異なる感情量化法の相対的な強さと弱さについて、よりしっかりとした理解を提供する。
論文 参考訳（メタデータ） (2020-11-04T21:41:34Z)
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。