Sep, 2019

PaRe: 使用公共主题空间的论文 - 审核人匹配方法

PDF
TL;DR我们提出了一种基于公共主题模型的自动匹配论文与审稿人的方法，该方法可以缓解传统自动匹配方法中的词汇错配和主题重叠等问题，并通过实验验证比现有的方法更有效。
reviewersconference submissionsautomated matchingcommon topic modelpaper-reviewer matching
发现论文，激发创造
  • 面向审稿人推荐系统的提交感知评审人画像

    本文提出了一种基于上下文学习的评审人匹配方法，解决了用主题建模进行评审者指派时主题上下文信息丢失和难以解释的问题，并在实验中取得了显著的精度提高。

    Nov, 2022

  • 为何要审查这篇论文？整合语义、主题和引用因素以确定论文与审稿人匹配

    本文提出了一个统一模型，同时捕捉文档与审稿人之间的语义、主题和引用因素，通过共享背景模型和指导调节来构建文档嵌入。实验证明该方法在学术会议的审稿人选择问题上取得了有效的结果。

    Oct, 2023

  • 优化论文匹配的框架

    本文提出了一个框架来优化论文 - 审稿人分配，使用适宜性评分来测量论文和审稿人之间的成对亲和力，可以从提供的少量评分中推断出适宜性评分，将任务定义为整数规划问题，并提出了几种适用于论文和审稿人匹配问题的方案，探讨了学习和匹配相互作用的因素，对两个会议数据集进行了实验，测试了几种学习方法的性能以及匹配方法的有效性。

    Feb, 2012

  • 大型会议上的论文与审稿人匹配

    本文研究了一种新颖的评审 - 文章匹配方法，该方法已被引入多个计算机科学领域的顶级会议，包括 AAAI，ICML，IJCAI 等，并通过对现实数据的广泛后期分析进行了评估，比较了其与 AAAI 2020 版本使用的匹配算法的不同之处。

    Feb, 2022

  • 基于隐含主题的不同长度文本的相似度比较

    本文提出一种文档匹配方法以测量文本相似度，通过将文本在隐藏主题的公共空间中进行比较来弥补长度不可比的文档对之间的词汇、语境和抽象差距，并通过两个匹配任务评估匹配算法并发现它始终广泛优于强基线，揭示了将领域知识纳入文本匹配的好处。

    Mar, 2019

  • 会议同行评审中论文评审分配应依据何种因素？社区对议题和理想的看法

    本调查是关于 NLP 社区对于同行评审匹配系统中应该考虑的因素，旨在为改进未来的 NLP 会议提供可行建议和可解释的同行评审分配的愿景。

    May, 2022

  • TopicSifter：通过有针对性的主题建模交互式减少搜索空间

    本文提出一种基于非负矩阵分解的 TopicSifter 可视化分析系统，以帮助用户针对具体目标进行大规模文档检索，包括使用相关反馈来调整目标和优化主题模型以获得最相关的结果。

    Jul, 2019

  • 主题建模方法在排名中的应用

    我们提出了一种基于主题建模的方法来预测配对比较中的偏好，该方法利用新的生成模型来捕获预测人群中多种共享潜在排名以及自然的不一致性，并将潜在排名的估计形式地归约为相当于统计模型中的话题建模问题，在此基础上利用相关领域的新进展开发了一个算法，该算法可以以可证明的一致性、样本和计算复杂度的保证学习共享的潜在排名，并在一些半合成和真实世界数据集上证明了与当前最先进方法在预测偏好方面的实证竞争力。

    Dec, 2014

  • RelevAI-Reviewer：一项关于调查论文相关性的人工智能评审基准测试

    提出了一种自动系统，将调查论文审查任务概念化为一个分类问题，采用机器学习模型测定与指定主题相关的论文的相关性，并且通过使用 BERT 等高级语言模型，取得了优于传统机器学习方法的初步结果。

    Jun, 2024

  • 基于合成语料的主题建模算法新评估框架

    该论文提出了一种基于合成语料库的新框架，用于评估概率主题建模算法，通过比较标记在标记级别上的指定主题标签，能够量化种植和推断主题结构之间的一致性。通过实验，揭示了主题模型的相对强度随语料库特征变化的新见解，并首次证明了主题模型的 “不可检测阶段”。并预测了在真实世界语料库中应用的主题建模算法的性能。

    Jan, 2019