Nov, 2023

CausalCite：论文引用的因果表述

PDF
TL;DR本研究提出了一种叫做 CausalCite 的因果推断方法，通过高维文本嵌入将每篇论文编码，利用余弦相似度提取相似的样本并综合计算出反事实样本，用于衡量论文被引用的因果关系，该方法在科学专家对 1,000 篇论文进行的实验、历史论文的奖项和 AI 各个子领域的稳定性等各种标准中表现出了很高的相关性和有效性，并给出了一些建议供未来研究者利用我们的度量方法以更好地理解论文质量。
发现论文，激发创造
  • 文本匹配：匹配文档方法的实验评估和匹配质量度量

    本文提出了一个将文本数据匹配到更高、更有比较性的结果中去的框架，并成功开发出一个预估模型可以精确预估最佳匹配结果的数值，以此提高了在媒体偏见和医学干预研究中使用文本匹配以改进因果推断的准确性。

    Jan, 2018

  • 为因果推断调整文本嵌入

    该论文提出了一种基于因果效应的文本嵌入学习方法，通过有监督降维和有效的文本特征筛选建立起高效的低维表示，使得足够保留有关因果关系的信息，通过实验验证了该方法相比其它文本嵌入方法更能提高因果效应评估的准确性和效率，并通过具体案例分析论证了该方法的实际应用价值。

    May, 2019

  • 使用文本引导的多向量模型用于精细化科学文档相似性

    通过匹配文本的精细细节，我们提出了一种新的科学文献相似性模型。我们利用多个论文引用的全文来训练我们的模型，提供了一种新形式的文本监督用于跨论文匹配，具有快速单次匹配和稀疏多次匹配两种方法，提高了在四个数据集上的相似性任务表现。

    Nov, 2021

  • 从短期语言影响预测长期引用

    该研究提出了一种基于语言影响力的新方法来量化文献对后续出版物内容的影响程度，并通过测量高维度的 Hawkes 过程来预测未来引用次数。

    Oct, 2022

  • 通过反事实估计对文本摘要的实际一致性评估

    提出一种基于反事实估算的新型度量标准，用于评估文本摘要的事实一致性，能够帮助改善与人类判断的相关性和使用的便利性。

    Aug, 2021

  • 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

  • 利用词嵌入和领域知识为科学摘要加入文献引用语境

    提出了一种使用分布式单词表示和领域知识从参考论文中提取适当上下文的无监督模型，评估结果表明其明显优于现有技术，并且还演示了上下文化方法提高科学文章引用摘要的有效性。

    May, 2017

  • 基于深度神经网络学习技术的引用次数预测

    本研究提出了使用神经网络预测论文未来引用次数的新方法，该方法有效地提高了年度和总引用次数的预测准确性。

    Sep, 2018

  • 量化长期科学影响

    研究论文提供一种基于机械模型的引用动态模式，具有预测科学影响力和潜在政策意义的可靠测量方式。

    Jun, 2013

  • 文本与因果推断：使用文本消除因果估计中的混淆因素的综述

    本文回顾了计算社会科学中利用文本分析解决因果推论中混淆变量引起偏差的方法，并提出数据处理及评估决策的指南。尽管在利用文本分析进行混淆因素调整方面已取得了进展，但仍存在很多未解决的问题。

    May, 2020