論文の概要: SCIRGC: Multi-Granularity Citation Recommendation and Citation Sentence Preference Alignment

• arxiv url: http://arxiv.org/abs/2505.20103v1
• Date: Mon, 26 May 2025 15:09:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.549018
• Title: SCIRGC: Multi-Granularity Citation Recommendation and Citation Sentence Preference Alignment
• Title（参考訳）: SCIRGC: Citation Recommendation and Citation Sentence Preference Alignment
• Authors: Xiangyu Li, Jingqiang Chen,
• Abstract要約: 本稿では,引用記事を自動的に推薦し,引用箇所の引用文を生成するSciRGCフレームワークを提案する。 この枠組みは,(1)著者の引用意図を正確に識別し,関連する引用論文を見つける方法,(2)人間の嗜好に沿った高品質な引用文を生成する方法の2つの重要な課題に対処する。
• 参考スコア（独自算出の注目度）: 2.0383262889621867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Citations are crucial in scientific research articles as they highlight the connection between the current study and prior work. However, this process is often time-consuming for researchers. In this study, we propose the SciRGC framework, which aims to automatically recommend citation articles and generate citation sentences for citation locations within articles. The framework addresses two key challenges in academic citation generation: 1) how to accurately identify the author's citation intent and find relevant citation papers, and 2) how to generate high-quality citation sentences that align with human preferences. We enhance citation recommendation accuracy in the citation article recommendation module by incorporating citation networks and sentiment intent, and generate reasoning-based citation sentences in the citation sentence generation module by using the original article abstract, local context, citation intent, and recommended articles as inputs. Additionally, we propose a new evaluation metric to fairly assess the quality of generated citation sentences. Through comparisons with baseline models and ablation experiments, the SciRGC framework not only improves the accuracy and relevance of citation recommendations but also ensures the appropriateness of the generated citation sentences in context, providing a valuable tool for interdisciplinary researchers.
• Abstract（参考訳）: サイテーションは、現在の研究と先行研究との関係を強調する科学的研究論文において極めて重要である。 しかし、このプロセスは研究者にとって時間を要することが多い。 本研究では,引用記事を自動的に推薦し,引用箇所の引用文を生成するSciRGCフレームワークを提案する。 このフレームワークは、学術的引用生成における2つの重要な課題に対処する。 1)著者の引用意図を正確に識別し、関連する引用書類を見つける方法 2)人間の好みに合わせて高品質な引用文を生成する方法。 引用記事推薦モジュールにおいて、引用ネットワークと感情意図を組み込むことで引用記事推薦精度を高め、原文要約、局所文脈、引用意図、推奨記事を入力として引用文生成モジュールに推論に基づく引用文を生成する。 さらに、生成した引用文の品質を正確に評価する新しい評価基準を提案する。 ベースラインモデルとアブレーション実験との比較を通じて、SciRGCフレームワークは引用推奨の正確さと関連性を向上するだけでなく、生成された引用文の文脈における適切性を保証し、学際研究者にとって貴重なツールを提供する。

関連論文リスト

• SelfCite: Self-Supervised Alignment for Context Attribution in Large Language Models [51.90867482317985]
  SelfCiteは、生成されたレスポンスの文に対して、きめ細かい文レベルの引用を生成する、自己教師型アプローチである。 SelfCiteの有効性は、LongBench-Citeベンチマークにおいて、引用F1を5.3ポイントまで増やすことによって示される。
  論文  参考訳（メタデータ） (2025-02-13T18:55:13Z)
• Citation Recommendation based on Argumentative Zoning of User Queries [7.596930973436683]
  議論的区分とは、科学的文学における議論的かつ修辞的な構造を特定することである。 本稿では,引用レコメンデーションと議論的偏差分類のためのマルチタスク学習モデルを構築した。
  論文  参考訳（メタデータ） (2025-01-30T12:08:00Z)
• CiteBART: Learning to Generate Citations for Local Citation Recommendation [0.138120109831448]
  本稿では,エンコーダ-デコーダアーキテクチャにおける励磁型事前学習について述べる。 著者による引用トークンは、ローカル引用レコメンデーション(LCR)を満たすためにそれらを再構築することを学ぶためにマスクされる CiteBART-GlobalはFullTextPeerReadデータセットを除いて、LCRベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-12-23T12:58:30Z)
• ALiiCE: Evaluating Positional Fine-grained Citation Generation [54.19617927314975]
  本稿では,微細な引用生成のための最初の自動評価フレームワークであるALiiCEを提案する。 我々のフレームワークはまず、文のクレームを依存性分析によって原子クレームに解析し、次に原子クレームレベルでの引用品質を計算する。 複数大言語モデルの2つの長文QAデータセット上での位置的きめ細かな引用生成性能を評価する。
  論文  参考訳（メタデータ） (2024-06-19T09:16:14Z)
• 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)
• Controllable Citation Sentence Generation with Language Models [11.186252009101077]
  本稿では,テキストのコンテキスト,参照された論文のコンテキスト,および所望の制御属性を構造化テンプレートに統合し,次世代の予測を通じて言語モデル(LM)を微調整する手法を提案する。 提案したワークフローは、引用属性の提案と条件付き引用生成を1つのLMに調和して組み合わせ、より良いユーザ制御を実現する。
  論文  参考訳（メタデータ） (2022-11-14T01:54:08Z)
• Towards generating citation sentences for multiple references with intent control [86.53829532976303]
  We build a novel generation model with the Fusion-in-Decoder approach to handlee with multiple long inputs。 実験により,提案手法は引用文を生成するためのより包括的な特徴を提供することが示された。
  論文  参考訳（メタデータ） (2021-12-02T15:32:24Z)
• Citations are not opinions: a corpus linguistics approach to understanding how citations are made [0.0]
  引用内容分析の重要な問題は、引用の異なるクラスを特徴付ける言語構造を見つけることである。 本研究では,分類済みの引用コーパスの大規模なサンプルから始めて,発声スマート引用データセットの各クラスから200万の引用を行う。 各引用型の比較表を生成することにより,引用型を特徴付ける興味深い言語特徴を多数提示する。
  論文  参考訳（メタデータ） (2021-04-16T12:52:27Z)

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。