論文の概要: Can We Find the Code? An Empirical Study of Google Scholar's Code Retrieval

• arxiv url: http://arxiv.org/abs/2503.01031v1
• Date: Sun, 02 Mar 2025 21:33:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:12:43.689604
• Title: Can We Find the Code? An Empirical Study of Google Scholar's Code Retrieval
• Title（参考訳）: コードの発見は可能か? Google Scholarのコード検索に関する実証的研究
• Authors: Shi-Shun Chen,
• Abstract要約: 本研究は,「加速劣化」と「信頼性」を併用した用語を例に挙げる。 Elsevier氏の論文によると、抽象化に含まれるGitHubリンクは、Google Scholarによって包括的に検索されている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Academic codes associated with research papers are valuable resources for scholars. In specialized fields outside computer science, code availability is often limited, making effective code retrieval essential. Google Scholar is a crucial academic search tool. If a code published in the paper is not retrievable via Google Scholar, its accessibility and impact are significantly reduced. This study takes the term "accelerated degradation" combined with "reliability" as an example, and finds that, for papers published by Elsevier, only GitHub links included in abstracts are comprehensively retrieved by Google Scholar. When such links appear within the main body of a paper, even in the "Data Availability" section, they may be ignored and become unsearchable. These findings highlight the importance of strategically placing GitHub links in abstracts to enhance code discoverability on Google Scholar.
• Abstract（参考訳）: 研究論文に関連する学術法典は、学者にとって貴重な資料である。 コンピュータ科学以外の専門分野において、コードの可用性はしばしば制限されており、効果的なコード検索が不可欠である。 Google Scholarは重要な学術検索ツールだ。 論文で公開されたコードがGoogle Scholarで検索できない場合、アクセシビリティと影響は大幅に減少する。 という用語を例にとり、Elsevier氏が発行した論文では、抽象化に含まれるGitHubリンクだけがGoogle Scholarによって包括的に検索されていることを発見した。 データアベイラビリティ」セクションでも、そのようなリンクが紙の本体の中に現れると、無視され、検索不能になる可能性がある。 これらの発見は、Google Scholarのコード発見可能性を高めるために、GitHubリンクを抽象化に戦略的に配置することの重要性を強調している。

関連論文リスト

• Taxonomy-guided Semantic Indexing for Academic Paper Search [51.07749719327668]
  TaxoIndexは学術論文検索のためのセマンティックインデックスフレームワークである。 学術分類学によって導かれる意味指標として、論文から重要な概念を整理する。 既存の高密度レトリバーを強化するために柔軟に使用できる。
  論文  参考訳（メタデータ） (2024-10-25T00:00:17Z)
• Examining Different Research Communities: Authorship Network [0.0]
  コンピュータサイエンスの2つの異なる研究領域、データマイニングとソフトウェアエンジニアリングのためのGoogle Scholarデータを収集しました。 研究者データベースリソースは、ネットワーク分析、データマイニング、著者ネットワークを介して著者間のリンクを特定するために強力である。
  論文  参考訳（メタデータ） (2024-08-24T19:04:02Z)
• ResearchBot: Bridging the Gap between Academic Research and Practical Programming Communities [1.7825757481227438]
  このプロジェクトでは、学術と産業のギャップを埋めるためのツールであるResearchBotを導入する。 ResearchBotはモジュール的なアプローチを採用し、質問を理解し、クエリをキュレートして関連論文を取得し、論文内容を要約する。 ResearchBotの中核的な目的は、業界の専門家のための学術的知識へのアクセスを民主化することだ。
  論文  参考訳（メタデータ） (2024-07-02T20:17:13Z)
• How do Software Engineering Researchers Use GitHub? An Empirical Study of Artifacts & Impact [0.2209921757303168]
  我々は、著者が研究にかかわるソーシャルコーディングにどのように関与しているかを尋ねる。 トップSE研究会場で1万件の論文が公開され、GitHubリンクに手書き注釈が付けられ、309の論文関連リポジトリが研究されている。 人気と影響力は広く分布しており、一部は出版会場と強く相関している。
  論文  参考訳（メタデータ） (2023-10-02T18:56:33Z)
• DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
  従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。 本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
  論文  参考訳（メタデータ） (2023-09-04T20:52:33Z)
• CiteBench: A benchmark for Scientific Citation Text Generation [69.37571393032026]
  CiteBenchは引用テキスト生成のベンチマークである。 CiteBenchのコードはhttps://github.com/UKPLab/citebench.comで公開しています。
  論文  参考訳（メタデータ） (2022-12-19T16:10:56Z)
• 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)
• COSEA: Convolutional Code Search with Layer-wise Attention [90.35777733464354]
  我々は、畳み込みニューラルネットワークを階層的注意で活用し、コード固有の構造論理をキャプチャする新しいディープラーニングアーキテクチャ、COSEAを提案する。 COSEAは、コード検索タスクの最先端メソッドよりも大幅に改善できる。
  論文  参考訳（メタデータ） (2020-10-19T13:53:38Z)
• 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)
• From Standard Summarization to New Tasks and Beyond: Summarization with Manifold Information [77.89755281215079]
  テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。 現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。 本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
  論文  参考訳（メタデータ） (2020-05-10T14:59:36Z)

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。