論文の概要: Leveraging GANs for citation intent classification and its impact on citation network analysis

• arxiv url: http://arxiv.org/abs/2505.21162v1
• Date: Tue, 27 May 2025 13:16:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.664768
• Title: Leveraging GANs for citation intent classification and its impact on citation network analysis
• Title（参考訳）: 引用意図分類のためのGANの活用とその引用ネットワーク解析への影響
• Authors: Davi A. Bezerra, Filipi N. Silva, Diego R. Amancio,
• Abstract要約: サイテーションは科学エコシステムにおいて基本的な役割を担い、知識の流れを追跡する基盤となっている。 本稿では,引用意図を分類するGANに基づく手法を採用した。 また,引用意図のフィルタリングが引用ネットワークにおける論文の中央性に与える影響についても検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Citations play a fundamental role in the scientific ecosystem, serving as a foundation for tracking the flow of knowledge, acknowledging prior work, and assessing scholarly influence. In scientometrics, they are also central to the construction of quantitative indicators. Not all citations, however, serve the same function: some provide background, others introduce methods, or compare results. Therefore, understanding citation intent allows for a more nuanced interpretation of scientific impact. In this paper, we adopted a GAN-based method to classify citation intents. Our results revealed that the proposed method achieves competitive classification performance, closely matching state-of-the-art results with substantially fewer parameters. This demonstrates the effectiveness and efficiency of leveraging GAN architectures combined with contextual embeddings in intent classification task. We also investigated whether filtering citation intents affects the centrality of papers in citation networks. Analyzing the network constructed from the unArXiv dataset, we found that paper rankings can be significantly influenced by citation intent. All four centrality metrics examined- degree, PageRank, closeness, and betweenness - were sensitive to the filtering of citation types. The betweenness centrality displayed the greatest sensitivity, showing substantial changes in ranking when specific citation intents were removed.
• Abstract（参考訳）: サイテーションは科学エコシステムにおいて基本的な役割を担い、知識の流れを追跡し、事前の作業を認め、学術的な影響を評価する基盤となっている。 サイエントメトリックスでは、定量指標の構築の中心でもある。 バックグラウンドを提供するものもあれば、メソッドの導入や結果の比較を行うものもある。 したがって、引用意図を理解することで、科学的影響のより微妙な解釈が可能になる。 本稿では,引用意図を分類するGANに基づく手法を採用した。 その結果,提案手法は,比較的少ないパラメータで,最先端の手法と密に一致して,競合する分類性能を達成できることが判明した。 これは、意図的分類タスクにおける文脈埋め込みと組み合わせたGANアーキテクチャの有効性と有効性を示す。 また,引用意図のフィルタリングが引用ネットワークにおける論文の中央性に与える影響についても検討した。 unArXivデータセットから構築したネットワークを解析した結果,論文のランク付けは引用意図に大きく影響することがわかった。 調査対象の4つの集中度指標 – 程度,ページランク,近接度,相互性 – はすべて,引用型のフィルタリングに敏感であった。 相互中心性は最も高い感度を示し、特定の引用意図が取り除かれたときの格付けが著しく変化した。

関連論文リスト

• In-depth Research Impact Summarization through Fine-Grained Temporal Citation Analysis [52.42612945266194]
  我々は、ニュアンス付き、表現型、時間対応のインパクトサマリーを生成する新しいタスクを提案する。 これらの要約は、微粒な引用意図の進化を通じて、賞賛(確認引用)と批評(補正引用)の両方を捉えていることを示す。
  論文  参考訳（メタデータ） (2025-05-20T19:11:06Z)
• The Noisy Path from Source to Citation: Measuring How Scholars Engage with Past Research [20.649638393774048]
  本稿では,大規模な引用忠実度を定量化する計算パイプラインを提案する。 論文の全文を用いて、パイプラインは引用論文における引用と引用論文における対応するクレームを識別する。 準実験を用いて「電話効果」を確立する - 引用論文が原主張に忠実度が低い場合、引用論文と原文を引用する将来の論文は原文に忠実度が低い。
  論文  参考訳（メタデータ） (2025-02-27T22:47:03Z)
• CiteFusion: An Ensemble Framework for Citation Intent Classification Harnessing Dual-Model Binary Couples and SHAP Analyses [1.7812428873698407]
  本研究は,多クラスCitation Intent Classificationタスクに対処するアンサンブルフレームワークであるCiteFusionを紹介する。 CiteFusionは最先端のパフォーマンスを実現し、Macro-F1スコアはSciCiteが89.60%、ACL-ARCが76.24%だった。 我々は、SciCiteで開発されたCiteFusionモデルを利用して、引用意図を分類するWebベースのアプリケーションをリリースする。
  論文  参考訳（メタデータ） (2024-07-18T09:29:33Z)
• 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)
• 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)
• Semantic Analysis for Automated Evaluation of the Potential Impact of Research Articles [62.997667081978825]
  本稿では,情報理論に基づくテキスト意味のベクトル表現のための新しい手法を提案する。 この情報意味論がLeicester Scientific Corpusに基づいてテキスト分類にどのように使用されるかを示す。 テキストの意味を表現するための情報的アプローチは,研究論文の科学的影響を効果的に予測する方法であることを示す。
  論文  参考訳（メタデータ） (2021-04-26T20:37:13Z)
• How are journals cited? characterizing journal citations by type of citation [0.0]
  本稿では,引用関数に基づく引用の統計的特徴付けに関する最初の結果を示す。 また,雑誌が受ける支持率と論争の比率を,品質の潜在的指標として特徴づける最初の結果も提示する。
  論文  参考訳（メタデータ） (2021-02-22T14:15:50Z)
• ImpactCite: An XLNet-based method for Citation Impact Analysis [4.526582372434088]
  インパクト分析により、引用の質を定量化できます。 XLNetベースのソリューションであるImpactCiteは、引用意図と感情分類の両方に対して、最先端のパフォーマンスを実現する。 CSC-Clean corpusは引用感情分類のためのクリーンで信頼性の高いデータセットである。
  論文  参考訳（メタデータ） (2020-05-05T08:31:54Z)

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。