論文の概要: CorpusStudio: Surfacing Emergent Patterns in a Corpus of Prior Work while Writing

• arxiv url: http://arxiv.org/abs/2503.12436v1
• Date: Sun, 16 Mar 2025 10:16:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 15:59:40.632878
• Title: CorpusStudio: Surfacing Emergent Patterns in a Corpus of Prior Work while Writing
• Title（参考訳）: CorpusStudio: 事前作業のコーパスに現れる創発的パターン
• Authors: Hai Dang, Chelse Swoopes, Daniel Buschek, Elena L. Glassman,
• Abstract要約: 科学コミュニティを含む多くのコミュニティが暗黙の書記規範を発達させている。 この知識を外部化し、自分自身の著作に適用することは困難である。 テキストコーパスにおける文書と文レベルのパターンを整理する2つの新しい記述支援概念を提案する。
• 参考スコア（独自算出の注目度）: 30.18692324895119
• License:
• Abstract: Many communities, including the scientific community, develop implicit writing norms. Understanding them is crucial for effective communication with that community. Writers gradually develop an implicit understanding of norms by reading papers and receiving feedback on their writing. However, it is difficult to both externalize this knowledge and apply it to one's own writing. We propose two new writing support concepts that reify document and sentence-level patterns in a given text corpus: (1) an ordered distribution over section titles and (2) given the user's draft and cursor location, many retrieved contextually relevant sentences. Recurring words in the latter are algorithmically highlighted to help users see any emergent norms. Study results (N=16) show that participants revised the structure and content using these concepts, gaining confidence in aligning with or breaking norms after reviewing many examples. These results demonstrate the value of reifying distributions over other authors' writing choices during the writing process.
• Abstract（参考訳）: 科学コミュニティを含む多くのコミュニティが暗黙の書記規範を発達させている。 彼らを理解することは、そのコミュニティとの効果的なコミュニケーションに不可欠です。 作家は、論文を読み、その文章に対するフィードバックを受け取ることによって、徐々に規範の暗黙の理解を深めていく。 しかし、この知識を外部化し、自分自身の著作に適用することは困難である。 テキストコーパスにおける文書と文レベルのパターンを整理する2つの新しい記述支援概念を提案する。(1) セクションタイトル上の順序付き分布,(2) ユーザのドラフトとカーソル位置が与えられた場合,多くの文脈関連文が検索される。 後者の単語の再帰はアルゴリズム的に強調され、ユーザが創発的な規範を見るのに役立つ。 研究結果(N=16)は、参加者がこれらの概念を用いて構造や内容を再検討し、多くの事例をレビューした後、基準に整合する自信を得たことを示している。 これらの結果は、執筆過程において、他の著者の著作選択よりも分布を再定義する価値を示している。

関連論文リスト

• RealCustom: Narrowing Real Text Word for Real-Time Open-Domain Text-to-Image Customization [57.86083349873154]
  テキスト・ツー・イメージのカスタマイズは、与えられた被験者に対してテキスト駆動の画像を合成することを目的としている。 既存の作品は擬似語パラダイム、すなわち、与えられた主題を擬似語として表現し、与えられたテキストで合成する。 我々は、RealCustomを初めて、被写体の影響を関連部分のみに正確に制限することで、制御性から類似性を解き放つことを提示する。
  論文  参考訳（メタデータ） (2024-03-01T12:12:09Z)
• To Revise or Not to Revise: Learning to Detect Improvable Claims for Argumentative Writing Support [20.905660642919052]
  特定の修正が必要な議論的クレームを特定するための主な課題について検討する。 本稿では,リビジョン距離に基づく新しいサンプリング戦略を提案する。 文脈情報とドメイン知識を用いることで、予測結果をさらに改善できることを示す。
  論文  参考訳（メタデータ） (2023-05-26T10:19:54Z)
• Natural Language Decompositions of Implicit Content Enable Better Text Representations [52.992875653864076]
  本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。 我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。 本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
  論文  参考訳（メタデータ） (2023-05-23T23:45:20Z)
• PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and Entailment Recognition [63.51569687229681]
  文中の各命題の文的含意関係を個別に認識する必要性について論じる。 提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。 我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
  論文  参考訳（メタデータ） (2022-12-21T04:03:33Z)
• Revision for Concision: A Constrained Paraphrase Generation Task [0.3121997724420106]
  簡潔化のための修正は、文レベルでの自然言語処理タスクである。 簡潔化のためには、アルゴリズムは文を書き換えるために必要な単語のみを使用する必要がある。 我々は、精度向上のための修正を描写できるベンチマーク並列データセットをキュレートし、利用可能にします。
  論文  参考訳（メタデータ） (2022-10-25T18:20:54Z)
• Domain-Specific Word Embeddings with Structure Prediction [3.057136788672694]
  ニューヨーク・タイムズの記事と2つの英語のウィキペディアデータセットに科学と哲学に関する記事を載せた実証的な評価を提示する。 提案手法は,Word2Vec with Structure Prediction (W2VPred) と呼ばれ,一般的なアナロジーテストにおいて,ベースラインよりも優れた性能を提供する。 デジタル人文科学の分野でのユースケースとして、ドイツ語テキストアーカイブからハイ文学のための新しい研究課題を提起する方法を実証する。
  論文  参考訳（メタデータ） (2022-10-06T12:45:48Z)
• Revise and Resubmit: An Intertextual Model of Text-based Collaboration in Peer Review [52.359007622096684]
  ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。 既存のNLP研究は個々のテキストの分析に重点を置いている。 編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
  論文  参考訳（メタデータ） (2022-04-22T16:39:38Z)
• Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
  同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。 同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。 我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
  論文  参考訳（メタデータ） (2021-06-15T20:55:55Z)
• Hierarchical Bi-Directional Self-Attention Networks for Paper Review Rating Recommendation [81.55533657694016]
  本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。 具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。 我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
  論文  参考訳（メタデータ） (2020-11-02T08:07:50Z)
• A Self-supervised Representation Learning of Sentence Structure for Authorship Attribution [3.5991811164452923]
  文の構造表現を学習するための自己教師型フレームワークを提案する。 本研究では,異なる探索タスクを用いて文の構造的表現を学習し,著者帰属タスクに活用する。
  論文  参考訳（メタデータ） (2020-10-14T02:57:10Z)
• Understanding Points of Correspondence between Sentences for Abstractive Summarization [39.7404761923196]
  本稿では,文書から引き出された文の融合について,対応点の概念を導入して検討する。 我々は、文書、ソースおよび融合文、および文間の対応点の人間のアノテーションを含むデータセットを作成する。
  論文  参考訳（メタデータ） (2020-06-10T02:42:38Z)

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。