論文の概要: "PRISM" Is Not All You Need: Cross-Topic Name Collisions and Scientific Paper Retrieval

• arxiv url: http://arxiv.org/abs/2611.01362v1
• Date: Sun, 01 Nov 2026 00:00:08 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:05:58.306692
• Title: "PRISM" Is Not All You Need: Cross-Topic Name Collisions and Scientific Paper Retrieval
• Title（参考訳）: PRISMは必要なものすべてではない: クロストピックな名前の衝突と科学論文検索
• Abstract要約: クロストピックの名前の衝突は2020-2022年の2026年のプールから4.33倍に増加し、トピック内の1.12倍になる。 固定された単語周波数帯域は、多くの研究領域で共有される中間周波数語彙の主増加を特定する。 この評価は、語彙、密度、言語モデルベースラインによる候補競合、文書フィールド、文脈ランクを分離する。
• 参考スコア（独自算出の注目度）: 0.49644055902166656
• License:
• Abstract: Scientific names increasingly connect papers from different research topics, leaving readers to recover a paper's identity from context. We study this convergence in 564,861 AI-related arXiv records. Cross-topic name collision grows 4.33-fold from a pooled 2020-2022 reference to 2026, compared with 1.12-fold within topics. A second sentence encoder reproduces the pattern, and name-group resampling quantifies its uncertainty. Fixed word-frequency bands locate the main increase in an intermediate-frequency vocabulary shared by many research areas. We then measure the ambiguity that remains after supplying research clues. With the same three-term query construction, shared-name targets retain matched identification deficits of 25.7 percentage points under title-based BM25 and 6.9 points under title-plus-abstract E5. Within fixed same-name candidates, listwise language-model ranking reaches 89.2% using the query and candidate titles. Topic-specific comparisons show that context resolves more cross-topic ambiguity. The evaluation separates candidate competition, document fields, and contextual ranking through lexical, dense, and language-model baselines. Source-linked cases and a portable evaluation collection make the phenomenon inspectable and reusable for scientific retrieval and research assistants.
• Abstract（参考訳）: 科学的名称は、様々な研究トピックから論文を結び付け、読者は紙のアイデンティティを文脈から回復させる。 我々は564,861のAI関連arXivレコードにこの収束について検討した。 クロストピックの名前の衝突は2020-2022年の2026年のプールから4.33倍に増加し、トピック内の1.12倍になる。 第2文エンコーダはパターンを再生し、名前群再サンプリングはその不確かさを定量化する。 固定された単語周波数帯域は、多くの研究領域で共有される中間周波数語彙の主増加を特定する。 そして、研究手がかりを提供した後に残るあいまいさを測定します。 同じ3日間のクエリ構築により、共有名称のターゲットは、タイトルベースBM25の25.7ポイント、タイトル過剰E5の6.9ポイントで一致した識別欠陥を維持している。 固定された同名候補の中では、クエリと候補タイトルを使用してリストワイズ言語モデルランキングが89.2%に達する。 トピック固有の比較は、文脈がより横断的な曖昧さを解消することを示している。 この評価は、語彙、密度、言語モデルベースラインによる候補競合、文書フィールド、文脈ランクを分離する。 ソースリンクされたケースとポータブルな評価収集により、科学的検索と研究補助のために検査可能で再利用することができる。

関連論文リスト

• Retrieve-then-Disambiguate: Scalable Reviewer Discovery [0.0]
  retrieve-then-disambiguateは、クエリの提出のために、ドメイン関連の研究者を識別するオープンソースのアルゴリズムである。 我々はこのアルゴリズムを500の天文学および物理学の出版物で評価する。
  論文  参考訳（メタデータ） (2026-10-29T18:00:06Z)
• Retrieving Biblical Intertextual References in Karen Blixen's Seven Gothic Tales [47.55635861975207]
  我々は、189の注釈付き参照のベンチマークを構築し、デンマークの古約聖書と新約聖書の翻訳の31,170節すべてに対する検索を評価した。 TF-IDFとBM25を多言語およびデンマーク語文エンコーダと比較した。 微調整のDFM-largeは、全体的なR@10を0.265から0.508に引き上げ、アロジションのパフォーマンスを2倍以上に向上させる。
  論文  参考訳（メタデータ） (2026-09-28T17:59:27Z)
• Annotated Surrogate Retrieval for Polish Statutory Law [0.0]
  本稿では,文書代理法に基づくポーランド法典の検索方法のファミリについて述べる。 ASCRはサロゲートカスケードであり、ASCR-Hはそのカスケードに密度の高いリストを融合させ、DTFは言語モデルの両方のステージを3つの語彙と密度の高いレトリバーで置き換える。 2024年と2025年のポーランドの弁護士試験と法律顧問試験の300問に対して,これら3項目について,語彙,密集度,融解度,融解度と4つの基準値とを比較検討した。
  論文  参考訳（メタデータ） (2026-08-31T15:05:00Z)
• 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)
• Large language model-assisted discovery of cohorts from scientific literature [3.981878112335394]
  マルチスタディ分析の計画には、関連する参加者、表現型、データモダリティとコホートを識別する必要がある。 このプロセスは一般的に、事前の知識、コホートカタログ、手作業による文献検索に依存している。 我々は、関連する科学的文献を検索し、明確なコホート名を抽出する質問駆動フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-08-16T19:54:00Z)
• How Does Research Evolve? Tracing Cross-Domain Trajectories in NLP, ML, and CV with Claim-Grounded Typed Citations [0.0]
  本稿では,各エッジを動機づける特定のクレーム文にリンクする最初のクレームグラウンド型型引用グラフを提案する。 SciTrajにはNLP、ML、Vision (2015-2024)の32,559の論文が含まれており、6つの関係タイプで533,126本のエッジが接続されている。 コーパスには長さ$geq 3$の287Mの型付きトラジェクトリが含まれており、72.8%の論文をカバーし、時間分割型付きリンク予測ベンチマークをサポートしている。
  論文  参考訳（メタデータ） (2026-06-21T05:20:02Z)
• Novelty-Aware Agentic Retrieval: Comparing Research Contributions Through Structured Multi-Step Reasoning [0.0]
  ノベルティ・アウェア・リサーチ・エージェント(英: Novelty-Aware Research Agent)は、エージェント検索システムのプロトタイプである。 RAGパイプライン上の多段階推論を6つのタイプドコントラクトコンポーネントを通じて階層化する。 論文毎のコントリビューション記録、紙レベルのオーバーラップ、問題xメソッドギャップマトリックスなど、構造化された比較アーティファクトを生成する。
  論文  参考訳（メタデータ） (2026-06-20T17:04:02Z)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)
• Adversarial Semantic Collisions [129.55896108684433]
  意味的衝突:意味論的に無関係だが、NLPモデルにより類似と判断されるテキストについて検討する。 我々は,意味的衝突を生成するための勾配に基づくアプローチを開発した。 パープレキシティに基づくフィルタリングを避けるために,意味的衝突を生成する方法を示す。
  論文  参考訳（メタデータ） (2020-11-09T20:42:01Z)
• Pairwise Learning for Name Disambiguation in Large-Scale Heterogeneous Academic Networks [81.00481125272098]
  本稿では,MA-PairRNN(Multi-view Attention-based Pairwise Recurrent Neural Network)を提案する。 MA-PairRNNは、不均一グラフ埋め込み学習とペアワイズ類似学習をフレームワークに統合する。 実世界の2つのデータセットの結果から、我々のフレームワークは名前の曖昧さに対するパフォーマンスを著しく一貫した改善をしていることがわかる。
  論文  参考訳（メタデータ） (2020-08-30T06:08:20Z)

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。