論文の概要: Public Profile Matters: A Scalable Integrated Approach to Recommend Citations in the Wild

• arxiv url: http://arxiv.org/abs/2603.17361v1
• Date: Wed, 18 Mar 2026 04:52:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.51676
• Title: Public Profile Matters: A Scalable Integrated Approach to Recommend Citations in the Wild
• Title（参考訳）: Public Profile Matters: 野生の推奨シチューに対するスケーラブルな統合アプローチ
• Authors: Karan Goyal, Dikshant Kukreja, Vikram Goyal, Mukesh Mohania,
• Abstract要約: Profilerは軽量で学習不能なモジュールで、人間の引用パターンを効率よく、バイアスなくキャプチャする。 DAVINCIは,プロファイラ由来の信頼度を意味情報と統合する新しい階調モデルである。
• 参考スコア（独自算出の注目度）: 5.273138059454523
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Proper citation of relevant literature is essential for contextualising and validating scientific contributions. While current citation recommendation systems leverage local and global textual information, they often overlook the nuances of the human citation behaviour. Recent methods that incorporate such patterns improve performance but incur high computational costs and introduce systematic biases into downstream rerankers. To address this, we propose Profiler, a lightweight, non-learnable module that captures human citation patterns efficiently and without bias, significantly enhancing candidate retrieval. Furthermore, we identify a critical limitation in current evaluation protocol: the systems are assessed in a transductive setting, which fails to reflect real-world scenarios. We introduce a rigorous Inductive evaluation setting that enforces strict temporal constraints, simulating the recommendation of citations for newly authored papers in the wild. Finally, we present DAVINCI, a novel reranking model that integrates profiler-derived confidence priors with semantic information via an adaptive vector-gating mechanism. Our system achieves new state-of-the-art results across multiple benchmark datasets, demonstrating superior efficiency and generalisability.
• Abstract（参考訳）: 関連する文献の適切な引用は、科学的貢献の文脈化と検証に不可欠である。 現在の引用レコメンデーションシステムは、局所的およびグローバルなテキスト情報を活用するが、それらはしばしば人間の引用行動のニュアンスを見落としている。 このようなパターンを組み込んだ最近の手法は、性能を向上するが、高い計算コストを発生させ、下流リランカーに系統的バイアスを導入する。 そこで本研究では,人間の引用パターンを効率よく,バイアスのない軽量で学習不能なモジュールであるProfilerを提案する。 さらに,現在の評価プロトコルにおける限界を同定し,実世界のシナリオを反映しないトランスダクティブ・セッティングで評価する。 我々は、厳密な時間的制約を強制する厳密な帰納的評価設定を導入し、新著論文の引用の推薦をシミュレートする。 最後に、適応ベクトルゲーティング機構を介して、プロファイラ由来の信頼度を意味情報と統合する新しい階調モデルであるDAVINCIを提案する。 提案システムは,複数のベンチマークデータセットにまたがって新たな最先端結果を実現し,優れた効率と汎用性を実証する。

関連論文リスト

• CiteAudit: You Cited It, But Did You Read It? A Benchmark for Verifying Scientific References in the LLM Era [51.63024682584688]
  大規模言語モデル (LLM) は新たなリスクを導入している。 本稿では,科学文献における幻覚的引用のための総合的なベンチマークおよび検出フレームワークについて紹介する。 我々のフレームワークは、精度と解釈可能性の両方において、先行手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-26T19:17:39Z)
• SemanticCite: Citation Verification with AI-Powered Full-Text Analysis and Evidence-Based Reasoning [0.0]
  本稿では,全文ソース解析による引用精度の検証を行うAIシステムであるSemanticCiteを紹介する。 提案手法は,複数の検索手法と,ニュアンスド・クレーム・ソース関係を抽出する4クラス分類システムを組み合わせたものである。 我々は、詳細なアライメント、機能分類、セマンティックアノテーション、およびバイオロメトリメタデータを備えた1000以上の引用からなる包括的なデータセットをコントリビュートする。
  論文  参考訳（メタデータ） (2025-11-20T10:05:21Z)
• CiteEval: Principle-Driven Citation Evaluation for Source Attribution [38.24323805177938]
  CiteEvalは、きめ細かい引用評価に焦点を当てた、引用評価フレームワークである。 CiteBenchは、引用品質に関する高品質なヒューマンアノテーションを備えたベンチマークである。 CiteEval-Autoは、人間の判断と強い相関を示すモデルベースのメトリクスのスイートである。
  論文  参考訳（メタデータ） (2025-06-02T16:15:34Z)
• Ground Every Sentence: Improving Retrieval-Augmented LLMs with Interleaved Reference-Claim Generation [51.8188846284153]
  分散テキスト生成(ATG)は,RAGシステムにおける信頼性と妥当性を高めるために提案される。 本稿では,参照と回答を段階的に交互に生成する詳細なATG手法であるReClaimを提案する。 広範囲な実験により,ReClaimの有効性が検証され,90%の引用精度が得られた。
  論文  参考訳（メタデータ） (2024-07-01T20:47:47Z)
• ILCiteR: Evidence-grounded Interpretable Local Citation Recommendation [31.259805200946175]
  本稿では,特定の論文を推薦するための証拠を対象とする,根拠に基づく局所引用推薦タスクを紹介する。 単にレコメンデーションを出力する過去の定式化とは異なり、ICCiteRはエビデンスのリストとレコメンデーションペーパーのペアを検索する。 本研究では,エビデンスに基づく局所的引用推薦タスクのための新しいデータセットを提供し,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-03-13T17:38:05Z)
• Impression-Aware Recommender Systems [53.48892326556546]
  本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。 本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Uncertainty-Aware Instance Reweighting for Off-Policy Learning [63.31923483172859]
  本研究では,不確実性を考慮した逆確率スコア推定器 (UIPS) を提案する。 実世界の3つのレコメンデーションデータセットを用いた実験結果から,提案したUIPS推定器の有効サンプル効率が示された。
  論文  参考訳（メタデータ） (2023-03-11T11:42:26Z)
• Off-policy evaluation for learning-to-rank via interpolating the item-position model and the position-based model [83.83064559894989]
  産業レコメンデーションシステムにとって重要なニーズは、製品にデプロイする前に、レコメンデーションポリシーをオフラインで評価する機能である。 我々は、最も人気のある2つの非政治推定器の問題を緩和する新しい推定器を開発する。 特に、InterPOLと呼ばれる新しい推定器は、潜在的に不特定位置ベースモデルのバイアスに対処する。
  論文  参考訳（メタデータ） (2022-10-15T17:22:30Z)
• Summary-Source Proposition-level Alignment: Task, Datasets and Supervised Baseline [94.0601799665342]
  資料の参照要約における文のアライメントは,補助的な要約作業として有用であった。 本稿では,2つの重要な新機能を導入しながら,要約ソースアライメントを明示的なタスクとして確立することを提案する。 我々は提案レベルのアライメントのための新しいトレーニングデータセットを作成し、利用可能な要約評価データから自動的に抽出する。 教師なしアプローチよりも優れたアライメント品質を示す教師付き命題アライメントベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2020-09-01T17:27:12Z)
• 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)

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。