論文の概要: DS@GT at CheckThat! 2025: Exploring Retrieval and Reranking Pipelines for Scientific Claim Source Retrieval on Social Media Discourse

• arxiv url: http://arxiv.org/abs/2507.06563v1
• Date: Wed, 09 Jul 2025 05:32:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.483929
• Title: DS@GT at CheckThat! 2025: Exploring Retrieval and Reranking Pipelines for Scientific Claim Source Retrieval on Social Media Discourse
• Title（参考訳）: DS@GT at CheckThat! 2025: Exploring Retrieval and Re rank Pipelines for Scientific Claim Source Retrieval on Social Media Discourse
• Abstract要約: 本稿では,CLEF 2025 CheckThat! Lab Task 4b Scientific Claim Source RetrievalのDS@GTチームが行った作業について詳述する。 私たちのチームは、6つの異なるデータ拡張テクニック、7つの異なる検索と再ランクパイプライン、そしてバイエンコーダを微調整しました。
• 参考スコア（独自算出の注目度）: 1.5356574175312299
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media users often make scientific claims without citing where these claims come from, generating a need to verify these claims. This paper details work done by the DS@GT team for CLEF 2025 CheckThat! Lab Task 4b Scientific Claim Source Retrieval which seeks to find relevant scientific papers based on implicit references in tweets. Our team explored 6 different data augmentation techniques, 7 different retrieval and reranking pipelines, and finetuned a bi-encoder. Achieving an MRR@5 of 0.58, our team ranked 16th out of 30 teams for the CLEF 2025 CheckThat! Lab Task 4b, and improvement of 0.15 over the BM25 baseline of 0.43. Our code is available on Github at https://github.com/dsgt-arc/checkthat-2025-swd/tree/main/subtask-4b.
• Abstract（参考訳）: ソーシャルメディアのユーザーは、これらの主張がどこから来たのかを引用せずに、科学的な主張をすることが多い。 この記事は、CLEF 2025 CheckThat! Lab Task 4b Scientific Claim Source Retrievalは、ツイート中の暗黙の参照に基づいて、関連する科学論文を見つけようとしている。 私たちのチームは、6つの異なるデータ拡張テクニック、7つの異なる検索と再ランクパイプライン、そしてバイエンコーダを微調整しました。 MRR@5の0.58を達成し、CLEF 2025 CheckThatの30チーム中16位にランクインしました。 ラボタスク4b、BM25ベースライン0.43の0.15の改善。 私たちのコードはGithubでhttps://github.com/dsgt-arc/checkthat-2025-swd/tree/main/subtask-4b.comで公開されています。

関連論文リスト

• SciDocBench: A Workflow-Centered Benchmark and Data Pipeline for Scientific Document Understanding [51.537009919690696]
  我々は、科学文書理解のためのワークフロー中心のベンチマークであるSciDocBenchを紹介する。 7つの研究支援グループと5つの科学領域にまたがる19のサブタスクで構成されている。 最も評価の高いシステムは62.6/100であり、文書認識、証拠根拠、検証、文書横断推論の弱点が顕著である。 SciDocIR上に構築したSciDocDatasetは、約15Kの微調整サンプルと、14の検証可能なサブタスクにわたる8Kの強化学習サンプルから構成される。
  論文  参考訳（メタデータ） (2026-09-04T13:39:48Z)
• SciRet: A Compute-Aware Empirical Study of Retrieval and Reranking for Scientific RAG [0.0]
  我々は,CORD-19上での科学的質問応答に対する検索強化生成をコンピュータに認識した実証研究であるSciRetを紹介した。 我々は, 1,034チャンク (1K論文), 5,160チャンク (5K論文), 15,480チャンク (15K論文) の3つのコーパススケールにわたる固定科学的RAGパイプラインの評価を行った。 これらの設定全体では、ハイブリッド検索はスパースオンリーまたは密度オンリーの検索よりも堅牢で、1Kおよび15Kで1.000のRecall@10に達する。
  論文  参考訳（メタデータ） (2026-08-04T16:04:07Z)
• SciClaimSeekers at CheckThat! 2026: Retrieving Scientific Sources for Social Media Claims with LLM Reranking [3.969046654861534]
  SciClaimSeekersは検索および再ランクフレームワークである。 BM25とゼロショット多言語E5検索とReciprocal Rank Fusionを組み合わせたシステムである。 我々の実験は、大きな事前訓練されたモデルが、注意深いパイプラインに組み合わされると、このタスクで競合する可能性があることを示唆している。
  論文  参考訳（メタデータ） (2026-07-06T16:36:46Z)
• Multi-Turn Agentic Scientific Literature Search via Workflow Induction [46.48960698773641]
  本稿では,科学検索をワークフロー誘導としてフレーム化する多ターン文献検索エージェントPaperPilotを紹介する。 アンカー紙とユーザクエリが与えられた後、PaperPilotは、キーワード検索、引用拡張、フィルタリング、スコアリング、再ランク付け、エビデンス抽出を含む、ペーパー検索オペレータの実行可能なDAGを構築し、クエリとワークフロー自体を洗練するためにユーザフィードバックを使用する。 実験の結果、PaperPilot-9BはQwen3.5-9B基を多ターン相互作用で改善し、hit@5を58.0から77.0に、MRRを47.5から59.4に、nDCG@を増大させた。
  論文  参考訳（メタデータ） (2026-07-01T08:21:23Z)
• Sifei at SemEval-2026 Task 8: Hybrid Retrieval and Query Rewriting for Multi-Turn RAG [2.9721401411878254]
  ユーザ意図の進化,会話ノイズ,厳密なコンテキスト制限により,マルチターン検索拡張生成(RAG)は困難である。 本研究では,SemEval-2026タスク8のトレーニング不要なハイブリッド検索パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-06-05T07:28:01Z)
• SAGE: Benchmarking and Improving Retrieval for Deep Research Agents [60.53966065867568]
  SAGEは4つの科学領域にわたる1200のクエリからなる科学文献検索のためのベンチマークであり、20万の論文検索コーパスを備える。 6つのディープ・リサーチ・エージェントを評価し,全てのシステムが推論集約的な検索に苦しむことを発見した。 BM25は、既存のエージェントがキーワード指向のサブクエリを生成するため、LLMベースのレトリバーを約30%上回っている。
  論文  参考訳（メタデータ） (2026-02-05T18:25:24Z)
• AIRwaves at CheckThat! 2025: Retrieving Scientific Sources for Implicit Claims on Social Media with Dual Encoders and Neural Re-Ranking [0.0]
  Team AIRwavesはCLEF-2025 CheckThat! LabのSubtask 4bで2位にランクインした。 このベースラインを超えるために、 (i) E5-largeをベースとしたデュアルエンコーダを使用する第1ステージ、および (i) SciBERTクロスエンコーダを用いて、バッチとマイニングされたハードネガを使用して微調整を行い、チャンクトークン化とリッチドキュメントメタデータによって強化された第1ステージ、 (ii) ニューラルネットワーク再ランクステージを導入する。
  論文  参考訳（メタデータ） (2025-09-23T19:26:31Z)
• DS@GT at CheckThat! 2025: Ensemble Methods for Detection of Scientific Discourse on Social Media [0.0]
  本稿では,課題4aにおけるScientific Web Discourse Detectionのための手法を提案する。 この課題のために、あるツイートが科学的な主張、科学的な研究や出版への言及、および/または科学的な実体の言及を含むかどうかを決定した。 我々のチームは7位となり、マクロ平均F1スコア0.8611、DeBERTaV3ベースライン0.8375を上回りました。
  論文  参考訳（メタデータ） (2025-07-08T17:30:18Z)
• Deep Retrieval at CheckThat! 2025: Identifying Scientific Papers from Implicit Social Media Mentions via Hybrid Retrieval and Re-Ranking [4.275139302875217]
  CLEF CheckThat! 2025コンペティションのサブタスク4bに対するDeep Retrievalチームの方法論と結果を示す。 本稿では,語彙的精度,意味的一般化,文脈的再ランク付けを併用したハイブリッド検索パイプラインを提案する。 提案手法は, 開発セットで76.46%, 隠されたテストセットで66.43%の平均相反ランクを5 (MRR@5) 達成する。
  論文  参考訳（メタデータ） (2025-05-29T08:55:39Z)
• ReasonIR: Training Retrievers for Reasoning Tasks [139.54343970560103]
  ReasonIR-8Bは一般的な推論タスクのために特別に訓練された最初のレトリバーである。 新たに29.9 nDCG@10をリランカなしで、36.9 nDCG@10をリランカで達成している。
  論文  参考訳（メタデータ） (2025-04-29T09:49:28Z)
• Contrastive Learning to Improve Retrieval for Real-world Fact Checking [84.57583869042791]
  ファクト・チェッキング・リランカ(Contrastive Fact-Checking Reranker, CFR)を提案する。 我々はAVeriTeCデータセットを活用し、証拠文書からの人間による回答とクレームのサブクエストを注釈付けする。 データセットの精度は6%向上した。
  論文  参考訳（メタデータ） (2024-10-07T00:09:50Z)
• $\texttt{MixGR}$: Enhancing Retriever Generalization for Scientific Domain through Complementary Granularity [88.78750571970232]
  本稿では,クエリ文書マッチングに対する高密度検索者の認識を改善するために,$texttMixGR$を紹介する。 $texttMixGR$は、粒度に基づくさまざまなメトリクスを統合スコアに融合させ、包括的なクエリドキュメントの類似性を反映させる。
  論文  参考訳（メタデータ） (2024-07-15T13:04:09Z)
• ThangDLU at #SMM4H 2024: Encoder-decoder models for classifying text data on social disorders in children and adolescents [49.00494558898933]
  本稿では,#SMM4H (Social Media Mining for Health) 2024 Workshopのタスク3とタスク5への参加について述べる。 タスク3は、屋外環境が社会不安の症状に与える影響を議論するツイートを中心にした多クラス分類タスクである。 タスク5は、子供の医学的障害を報告しているツイートに焦点を当てたバイナリ分類タスクを含む。 BART-baseやT5-smallのような事前訓練されたエンコーダデコーダモデルからの転送学習を適用し、与えられたツイートの集合のラベルを同定した。
  論文  参考訳（メタデータ） (2024-04-30T17:06:20Z)
• Adversarial Retriever-Ranker for dense text retrieval [51.87158529880056]
  本稿では、二重エンコーダレトリバーとクロスエンコーダローダからなるAdversarial Retriever-Ranker(AR2)を提案する。 AR2は、既存の高密度レトリバー法より一貫して大幅に優れている。 これには、R@5から77.9%(+2.1%)、TriviaQA R@5から78.2%(+1.4)、MS-MARCO MRR@10から39.5%(+1.3%)の改善が含まれている。
  論文  参考訳（メタデータ） (2021-10-07T16:41:15Z)
• Overview of the CLEF--2021 CheckThat! Lab on Detecting Check-Worthy Claims, Previously Fact-Checked Claims, and Fake News [21.574997165145486]
  第4回CheckThat! Lab, 2021 Conference and the Labs of the Evaluation Forum (CLEF)について述べる。 同研究所は、事実性に関連する技術支援タスクを評価し、アラビア語、ブルガリア語、英語、スペイン語、トルコ語をカバーしている。
  論文  参考訳（メタデータ） (2021-09-23T06:10:36Z)
• Overview of CheckThat! 2020: Automatic Identification and Verification of Claims in Social Media [26.60148306714383]
  CLEF 2020にて,CheckThat! Labの第3版の概要を紹介する。 この研究室は英語とアラビア語の2つの異なる言語で5つのタスクをこなした。 本稿では,課題設定,評価結果,参加者が使用するアプローチの概要について述べる。
  論文  参考訳（メタデータ） (2020-07-15T21:19:32Z)
• CO-Search: COVID-19 Information Retrieval with Semantic Search, Question Answering, and Abstractive Summarization [53.67205506042232]
  CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。 ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。 TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
  論文  参考訳（メタデータ） (2020-06-17T01:32:48Z)

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。