論文の概要: Reading Between the Citations: A Typed Claim Network for Scientific Literature

• arxiv url: http://arxiv.org/abs/2605.30966v1
• Date: Fri, 29 May 2026 08:02:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.459369
• Title: Reading Between the Citations: A Typed Claim Network for Scientific Literature
• Title（参考訳）: サイテーション間の読書:科学文献のためのタイプ付きクレームネットワーク
• Abstract要約: 学術的な相互参照文書のコーパスに適用可能な建設パイプラインを提供する。 我々はこれを3Dポイントクラウドセマンティックセマンティックセグメンテーションで127の論文のコーパスでインスタンス化し、8,260の型付きクレームのネットワークを生成する。 標準の検索・拡張生成(RAG)ベースラインに対するヘッド・ツー・ヘッド評価は、フラット検索よりも利得が、間違ったものよりも正しい中間表現から得ていることを示している。
• 参考スコア（独自算出の注目度）: 6.6267663941512005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graphs over corpora of inter-referencing documents - scholarly papers, legal opinions, policy briefs - encode the topology of reference but not its stance. The standard representation collapses a rich evaluative relation into an untyped edge, losing the very content that supports community-level queries about how one document is received by another. We propose the claim network: a representational pattern in which each cross-document reference is reified as a typed claim, carrying source, target, claim text, and a four-class stance label grounded in the citation-intent literature. We give a construction pipeline applicable to any corpus of scholarly inter-referencing documents and instantiate it on a corpus of 127 papers in 3D point cloud semantic segmentation, producing a network of 8,260 typed claims. Three downstream task families demonstrate what the network enables: retrieval signal augmentation, aggregated-stance summarisation, and topological analytics. Head-to-head evaluation against standard Retrieval-Augmented Generation (RAG) baselines shows that the gain over flat retrieval is the gain from the right intermediate representation rather than the wrong one.
• Abstract（参考訳）: 学術論文、法的意見、政策ブリーフといった相互参照文書のコーパス上の知識グラフは、参照のトポロジをエンコードするが、そのスタンスではない。 標準表現は、リッチな評価関係を非型付きエッジに崩壊させ、あるドキュメントの受信方法に関するコミュニティレベルのクエリをサポートするコンテンツを失う。 提案するクレームネットワークは,各クロスドキュメント参照を型付きクレームとして再定義し,ソース,ターゲット,クレームテキスト,引用-インテント文学における4階層のスタンスラベルを付加した表現パターンである。 学術的相互参照文書のコーパスに適用可能な建設パイプラインを3Dポイントクラウドセマンティックセマンティックセグメンテーションのコーパス127紙にインスタンス化し,8,260種類のクレームをネットワーク化する。 3つのダウンストリームタスクファミリは、検索信号の増大、集約されたスタンス要約、トポロジ解析、というネットワークの可能性を実証する。 標準の検索・拡張生成(RAG)ベースラインに対するヘッド・ツー・ヘッド評価は、フラット検索よりも利得が、間違ったものよりも正しい中間表現から得ていることを示している。

関連論文リスト

• Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
  DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。 その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。 DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
  論文  参考訳（メタデータ） (2026-08-18T17:29:00Z)
• ConceptFormer: Learning Adaptive Latent Concepts for Query-Document Alignment in Visual Document Retrieval [62.80735412748694]
  ConceptFormerは、ビジュアル文書検索のための潜在概念表現学習フレームワークである。 クエリ関連エビデンスとは、局所化された視覚的エビデンスとセマンティックな関連性を明確に橋渡しする、連続的でクエリ条件付き潜在概念である。 平均的なNDCG@10では、最強のビジュアル検索ベースラインと最強のOCRベースのテキスト検索ベースラインに対して16.7%と22.1%の相対的な改善が達成されている。
  論文  参考訳（メタデータ） (2026-08-16T12:07:12Z)
• PRecG: Legal Precedent Retrieval with Graph Neural Networks and Rhetorical Role Segmentation [4.879930398426088]
  判例検索は、訴訟準備、計画、訴訟戦略、法的研究における基本的な課題である。 文書を低次元のセマンティック空間にマッピングし、それらの表現の近接性に基づいて類似性を計算する。 本稿では,その表現を階層的に学習することで,法的な判断のペア間の類似性を計算するPRecGパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-07-10T04:35:04Z)
• RWGBench: Evaluating Scholarly Positioning in Related Work Generation [43.26813089097539]
  テキスト類似性ではなく引用判断の観点からRWGを評価するベンチマークである textbfRWGBench を導入する。 RWGBenchは40,108のコンピュータサイエンス論文の大規模なコレクションと1.09百万のドキュメントの検索コーパスから構築されている。 実験では、標準的な評価によって隠蔽されている現在のシステムの体系的な制限が示され、Oracleは検索レベルとジェネレーションレベルのボトルネックをさらに歪めている。
  論文  参考訳（メタデータ） (2026-05-30T16:53:14Z)
• What Papers Don't Tell You: Recovering Tacit Knowledge for Automated Paper Reproduction [57.86097956633207]
  Methodは、学術論文から実行可能なコードを生成するグラフベースのエージェントフレームワークである。 3つのドメイン、10のタスク、10の最近の論文にまたがる拡張ReproduceBenchでは、公式実装に対する平均的なパフォーマンスギャップが10.04%に達する。
  論文  参考訳（メタデータ） (2026-03-02T12:33:31Z)
• 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)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)
• Directed Criteria Citation Recommendation and Ranking Through Link Prediction [0.32885740436059047]
  本モデルでは,各文書の意味を要約ネットワーク内のノードとして符号化するために,トランスフォーマーベースのグラフ埋め込みを用いる。 我々のモデルが生成するセマンティック表現は、推薦タスクやランキングタスクにおいて、他のコンテントベースの手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-18T20:47:38Z)
• Inline Citation Classification using Peripheral Context and Time-evolving Augmentation [23.88211560188731]
  本稿では,引用文を用いた談話情報を提供する3Cextという新しいデータセットを提案する。 周辺文とドメイン知識を融合したトランスフォーマーベースのディープニューラルネットワークPeriCiteを提案する。
  論文  参考訳（メタデータ） (2023-03-01T09:11:07Z)
• UnifieR: A Unified Retriever for Large-Scale Retrieval [84.61239936314597]
  大規模な検索は、クエリを与えられた巨大なコレクションから関連ドキュメントをリコールすることである。 事前学習型言語モデル(PLM)に基づく最近の検索手法は,高密度ベクターあるいはレキシコンに基づくパラダイムに大別することができる。 本論文では,高密度ベクトルとレキシコンに基づく検索を2つの表現能力を持つ1つのモデルで統合する学習フレームワークUnifieRを提案する。
  論文  参考訳（メタデータ） (2022-05-23T11:01:59Z)
• Graph-based Retrieval for Claim Verification over Cross-Document Evidence [0.6853165736531939]
  グラフに基づくアプローチは、断片化された証拠を特定するのに役立つと推測する。 我々はこの仮説を、コーパス全体にわたって、上述したエンティティによってテキスト部分を相互接続する大きなグラフを構築して検証した。 実験により,グラフ構造を活用することは,クレームに関連する通路のごく一部を特定する上で有益であることが確認された。
  論文  参考訳（メタデータ） (2021-09-13T14:54:26Z)
• Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
  引用グラフを用いて科学論文の要約作業を再定義します。 我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。 我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
  論文  参考訳（メタデータ） (2021-04-07T11:13:35Z)
• Document Network Projection in Pretrained Word Embedding Space [7.455546102930911]
  本稿では,リンクされた文書の集合を事前学習した単語埋め込み空間に投影する新しい手法である正規化線形埋め込み(RLE)を提案する。 我々は相補的な情報を提供するペアワイズ類似性の行列を利用する(例えば、引用グラフ内の2つの文書のネットワーク近接)。 ドキュメント表現は、レコメンデーション、分類、クラスタリングなど、多くの情報検索タスクを解決するのに役立つ。
  論文  参考訳（メタデータ） (2020-01-16T10:16:37Z)
• Inductive Document Network Embedding with Topic-Word Attention [5.8010446129208155]
  文書ネットワークの埋め込みは、文書が相互にリンクされているとき、構造化されたテキストコーパスの表現を学習することを目的としている。 近年のアルゴリズムでは、ノードに関連付けられたテキストコンテンツを定式化に組み込むことで、ネットワーク埋め込みアプローチを拡張している。 本稿では,解釈可能かつインダクティブな文書ネットワークの埋め込み手法を提案する。
  論文  参考訳（メタデータ） (2020-01-10T10:14:07Z)

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。