ACLJun, 2022

跨领域检索增强科学创造力

PDF
TL;DR本文探讨了如何设计系统来增强终端用户的跨领域探索能力，并开发了一种探索性搜索系统，其中终端用户可以从论文摘要的核心部分中选择感兴趣的内容，并检索与用户选择的核心方面高度相似但在领域方面不同的论文，进一步地帮助用户了解领域集群中的微妙差异，我们通过与科学家的案例研究发现了系统旨在促进跨领域探索和灵感的机会和设计影响。
cross-domain explorationexploratory searchquery specificationdomain clustersend-users
发现论文，激发创造
  • 开放式跨领域视觉搜索

    探讨了面向跨域视觉搜索的开放式设定，在公共语义空间中搜索实现在任何领域中进行搜索以及在多个领域之间进行搜索，向各个可用视觉领域的每一个领域的映射以通过分类样本进行搜索的方法，能够提供与现有半封闭设定相媲美的结果。

    Nov, 2019

  • AI 助手应用中的零样本和多领域推荐的多任务知识增强

    本文提出了一种利用用户在其他领域的交互信息以及外部知识图谱的思想来改进新领域推荐的方法，并在虚拟助手应用程序中的三个领域（视频、音乐和图书）的大量用户请求的数据集上证明了该方法的优势。

    Jun, 2023

  • 使用知识图谱增强的 Transformer 进行跨领域方面提取

    本文介绍了一种自动构建领域特定知识图谱的方法，并通过将其注入到 Transformer 模型中以识别 aspect terms，提高了跨域情感分析中的性能表现。

    Oct, 2022

  • 将问答系统应用于实践：转移学习用于高效领域定制

    本文提出通过过滤机制来增加文档检索的精度，并针对领域差异用一种新型的融合和过采样的迁移学习方法用于提高答案提取性能，并以金融公司和电影行业的实际用例证明了其表现。

    Apr, 2018

  • 任务和领域跨界学习

    本文提出了一种新的适应性框架，用于跨任务和领域传递知识，通过在一个完全监督域中学习跨任务和领域的知识，使其在只有部分监督域中实现性能增益。实验证明了该框架在两个具有挑战性的任务（即单眼深度估计和语义分割）和四个不同领域（Synthia、Carla、Kitti 和 Cityscapes）中的有效性。

    Apr, 2019

  • UrbanCross: 通过跨领域适应提升卫星影像 - 文本检索

    UrbanCross 是一个新的框架，用于跨领域的卫星图像 - 文本检索，利用高质量的跨领域数据集和文本细化、图像增强等技术实现了图像、段落和文本的精细对齐，并通过自适应课程源采样和加权对抗跨领域微调等机制有效地解决了领域差异问题。在广泛实验证实 UrbanCross 在检索和适应新的城市环境方面的卓越性能，相比无领域适应机制的版本平均性能提高了 15%，成功地缩小了领域差距。

    Apr, 2024

  • 利用类比搜索引擎扩展科学创造力

    通过一种全新的的端对端系统进行科学论文的模拟搜索，这个模拟搜索的成功可以被中间层次的问题抽象匹配的良好匹配度所中介，凸显了各种可能性。AI 搜索引擎可以在不需要人类参与的情况下，实现与人在循环系统中相同的准确率，从而加速科学创新。

    May, 2022

  • 跨领域知识转移的图启用方法

    通过跨领域知识转移来减少领域知识不足的影响，结合半监督学习及大量无监督数据，提高机器学习任务的性能以实现自动决策

    Apr, 2023

  • 利用外部知识改进问答

    本研究旨在探索使用 Wikipedia 的文本信息和添加更多的训练数据来解决在科学等学科领域中的多项选择题答题任务，实验表明，我们的方法在准确性上相较于先前的最先进技术获得了显著的提升。

    Feb, 2019

  • 跨域图像检索的多模态方法

    使用多模态语言 - 视觉架构的新颖标题匹配方法能够在跨域图像检索中实现最先进的性能表现，尤其在与人工智能生成的图像一起进行测试时。

    Mar, 2024