論文の概要: SECite: Analyzing and Summarizing Citations in Software Engineering Literature

• arxiv url: http://arxiv.org/abs/2601.07939v1
• Date: Mon, 12 Jan 2026 19:10:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:18.911329
• Title: SECite: Analyzing and Summarizing Citations in Software Engineering Literature
• Title（参考訳）: SECite: ソフトウェアエンジニアリング文学における引用の分析と要約
• Authors: Shireesh Reddy Pyreddy, Khaja Valli Pathan, Hasan Masum, Tarannum Shaila Zaman,
• Abstract要約: SECiteは、引用文脈の感情分析を通じて学術的影響を評価するための新しいアプローチである。 我々は,9つの研究論文を参照して引用を抽出する半自動パイプラインを開発した。 我々は、教師なし機械学習を用いた高度な自然言語処理(NLP)技術を用いて、これらの引用文を正あるいは負のものとして分類する。
• 参考スコア（独自算出の注目度）: 0.13999481573773073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying the strengths and limitations of a research paper is a core component of any literature review. However, traditional summaries reflect only the authors' self-presented perspective. Analyzing how other researchers discuss and cite the paper can offer a deeper, more practical understanding of its contributions and shortcomings. In this research, we introduce SECite, a novel approach for evaluating scholarly impact through sentiment analysis of citation contexts. We develop a semi-automated pipeline to extract citations referencing nine research papers and apply advanced natural language processing (NLP) techniques with unsupervised machine learning to classify these citation statements as positive or negative. Beyond sentiment classification, we use generative AI to produce sentiment-specific summaries that capture the strengths and limitations of each target paper, derived both from clustered citation groups and from the full text. Our findings reveal meaningful patterns in how the academic community perceives these works, highlighting areas of alignment and divergence between external citation feedback and the authors' own presentation. By integrating citation sentiment analysis with LLM-based summarization, this study provides a comprehensive framework for assessing scholarly contributions.
• Abstract（参考訳）: 研究論文の長所と短所を特定することは、あらゆる文献レビューの中核的な要素である。 しかし、従来の要約は著者の自己表現的な視点のみを反映している。 他の研究者が論文をどう議論し、引用するかを分析することで、その貢献や欠点についてより深く、より実践的な理解が得られます。 本研究では,引用文脈の感情分析を通じて学術的影響を評価する新しいアプローチであるSECiteを紹介する。 本研究では,9つの研究論文を参照する引用文を抽出する半自動パイプラインを開発し,教師なし機械学習を用いた高度な自然言語処理(NLP)技術を適用し,これらの引用文を正あるいは負の分類を行う。 感情分類以外にも、生成AIを使用して、各論文の長所と短所を、クラスタ化された引用グループと全文の両方から抽出する感情特異的要約を生成する。 本研究は,外部からの引用フィードバックと著者自身のプレゼンテーションのアライメントと相違点を明らかにすることで,学術コミュニティがこれらの作業をどのように感じているかに有意義なパターンを明らかにした。 本研究は,引用感情分析とLLMに基づく要約を組み合わせることで,学術的貢献を評価するための総合的な枠組みを提供する。

関連論文リスト

• OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment [63.662126457336534]
  OpenNoveltyは、透明で証拠に基づく新規性分析のためのエージェントシステムである。 回収された実論文のすべての評価を根拠にし、検証可能な判断を確実にする。 OpenNoveltyは、公正で一貫性があり、エビデンスに支えられたピアレビューを促進するスケーラブルなツールで、研究コミュニティに力を与えることを目指している。
  論文  参考訳（メタデータ） (2026-01-04T15:48:51Z)
• CiteFusion: An Ensemble Framework for Citation Intent Classification Harnessing Dual-Model Binary Couples and SHAP Analyses [1.6695303704829412]
  CiteFusionは、SciCiteとACL-ARCという2つのベンチマークデータセット上のマルチクラスCitation Intent Classificationタスクに対処する。 実験の結果、CiteFusionは最先端のパフォーマンスを達成し、Macro-F1スコアはSciCiteで89.60%、ACL-ARCで76.24%であった。 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)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• 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)

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。