論文の概要: What Makes an Ideal Quote? Recommending "Unexpected yet Rational" Quotations via Novelty

• arxiv url: http://arxiv.org/abs/2602.22220v1
• Date: Mon, 15 Dec 2025 12:19:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 07:21:25.682861
• Title: What Makes an Ideal Quote? Recommending "Unexpected yet Rational" Quotations via Novelty
• Title（参考訳）: 理想の引用」とは何か? -新奇性による「未発見かつ合理的」な引用を推奨する
• Authors: Bowei Zhang, Jin Xiao, Guanglei Yue, Qianyu He, Yanghua Xiao, Deqing Yang, Jiaqing Liang,
• Abstract要約: 我々は、引用推奨を文脈的に新しいが意味論的に一貫性のある引用を選ぶものとして形式化する。 生成ラベルエージェントは、まず、各引用とその周辺コンテキストを多次元の深義ラベルに解釈する。 トークンレベルのノベルティ推定器は、自動回帰継続バイアスを緩和しながら候補を再評価する。
• 参考スコア（独自算出の注目度）: 66.51974095399409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quotation recommendation aims to enrich writing by suggesting quotes that complement a given context, yet existing systems mostly optimize surface-level topical relevance and ignore the deeper semantic and aesthetic properties that make quotations memorable. We start from two empirical observations. First, a systematic user study shows that people consistently prefer quotations that are ``unexpected yet rational'' in context, identifying novelty as a key desideratum. Second, we find that strong existing models struggle to fully understand the deep meanings of quotations. Inspired by defamiliarization theory, we therefore formalize quote recommendation as choosing contextually novel but semantically coherent quotations. We operationalize this objective with NovelQR, a novelty-driven quotation recommendation framework. A generative label agent first interprets each quotation and its surrounding context into multi-dimensional deep-meaning labels, enabling label-enhanced retrieval. A token-level novelty estimator then reranks candidates while mitigating auto-regressive continuation bias. Experiments on bilingual datasets spanning diverse real-world domains show that our system recommends quotations that human judges rate as more appropriate, more novel, and more engaging than other baselines, while matching or surpassing existing methods in novelty estimation.
• Abstract（参考訳）: 引用レコメンデーションは、与えられた文脈を補完する引用を引用することによって、文章を豊かにすることを目的としているが、既存のシステムは、主に表面的な話題の関連性を最適化し、引用を記憶可能な深い意味と美的特性を無視している。 私たちは2つの経験的な観察から始めます。 まず、システマティックなユーザスタディでは、「予期せぬが合理的な」文脈の引用を常に好んでおり、新規性を重要なデシストラムとして認識している。 第二に、既存の強力なモデルは、引用の深い意味を完全に理解するのに苦労している。 したがって、不明瞭化理論に着想を得て、引用推奨を文脈的に新しいが意味論的に一貫性のある引用を選ぶものとして形式化する。 我々は,ノベルティ主導の引用推薦フレームワークであるノベルQRを用いて,この目的を運用する。 生成ラベルエージェントは、まず、各引用とその周辺コンテキストを多次元の深義ラベルに解釈し、ラベル強調検索を可能にする。 トークンレベルのノベルティ推定器は、自動回帰継続バイアスを緩和しながら候補を再評価する。 実世界の多様な領域にまたがるバイリンガルデータセットの実験から、我々のシステムは、人間の判断が他のベースラインよりも適切で、より斬新で、よりエンゲージメントが高いと見積もる一方で、既存の手法と一致するか、あるいは超えるかを推奨している。

関連論文リスト

• SCIRGC: Multi-Granularity Citation Recommendation and Citation Sentence Preference Alignment [2.0383262889621867]
  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。
  論文  参考訳（メタデータ） (2025-05-26T15:09:10Z)
• RA-MTR: A Retrieval Augmented Multi-Task Reader based Approach for Inspirational Quote Extraction from Long Documents [5.436122513215347]
  本稿では,長いテキストから最も関連性の高い引用を抽出することを目的とした,文脈に基づく新しい引用抽出システムを提案する。 まず、ベクトルストアベースの検索器を用いて、この引用抽出を開領域質問応答問題として定式化する。 本稿では,BoW F1スコアの最大5.08%向上を実現し,最先端性能を向上する新しいマルチタスクフレームワークRA-MTRを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:46:46Z)
• RankCSE: Unsupervised Sentence Representations Learning via Learning to Rank [54.854714257687334]
  本稿では,教師なし文表現学習のための新しい手法であるRangCSEを提案する。 コントラスト学習を伴うランキング一貫性とランキング蒸留を統一された枠組みに組み込む。 セマンティックテキスト類似性(STS)と転送タスク(TR)の両方について、広範な実験が実施されている。
  論文  参考訳（メタデータ） (2023-05-26T08:27:07Z)
• SciMON: Scientific Inspiration Machines Optimized for Novelty [68.46036589035539]
  文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。 モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。 本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
  論文  参考訳（メタデータ） (2023-05-23T17:12:08Z)
• QuoteR: A Benchmark of Quote Recommendation for Writing [80.83859760380616]
  QuoteRと呼ばれる大規模かつ完全にオープンな引用レコメンデーションデータセットを構築します。 我々はQuoteR上で既存の引用レコメンデーション手法を広範囲に評価する。 提案手法は,QuoteRの3つの部分すべてにおいて,従来の手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-02-26T14:01:44Z)
• 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)
• Quotation Recommendation and Interpretation Based on Transformation from Queries to Quotations [17.011179660418538]
  本稿では,クエリ表現を直接引用表現にマッピングする変換行列を提案する。 英語と中国語の2つのデータセットの実験では、我々のモデルは過去の最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2021-05-29T07:25:59Z)
• Learning Neural Textual Representations for Citation Recommendation [7.227232362460348]
  サブモジュラースコアリング機能において,シームズとトリプルトネットワークを併用した文書(センテンス-BERT)の深部表現を用いた引用推薦手法を提案する。 我々の知る限りでは、これは引用推薦のタスクに対して、ディープ表現とサブモジュラー選択を組み合わせるための最初のアプローチである。
  論文  参考訳（メタデータ） (2020-07-08T12:38:50Z)
• Context-Based Quotation Recommendation [60.93257124507105]
  本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。 これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。 音声テキストと関連するニュース記事の収集実験を行う。
  論文  参考訳（メタデータ） (2020-05-17T17:49:53Z)

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。