本文介绍了一种方法，可以根据用户定义的查询自动生成一篇综述论文。该方法包括两个主要部分，第一部分通过诸如同袍引用的图表等文献计量参数来识别领域中的关键论文。第二阶段使用 BERT 架构，我们在现有的综述论文中对这些关键论文进行抽取式摘要。我们介绍了我们方法的一般流程和一些实现细节，并在 PubMed 数据集上进行了自动和专家评估。

Oct, 2020

本文介绍了通过自然语言文本解释两个科技文档之间关系的任务，提出了一个新的数据集和模型，探索使用科学信息提取系统的密集表示对提高解释性能的影响，并在自动和人类评估中证明了该模型的可行性和挑战。

Feb, 2020

基于大型语言模型的引文生成方法，旨在解决单段落引文生成的挑战，研究通过整合多个目标论文与单个源论文，生成包含多个句子引文文本的连贯段落。同时，通过将目标论文的知识图谱整合到生成引文文本的提示中实现了更好的性能，这一研究揭示了利用大型语言模型进行引文生成的潜力，为探索科学文档之间的复杂连接打开了一个引人注目的途径。

Apr, 2024

提出一种新的上下文化摘要方法，该方法可以根据含有引用文献的句子（称为 “引文”）生成信息丰富的摘要，概述了引文相关引用位置的文献内容，该方法提取和建模论文的引文，检索相关的引用文献段落，并生成针对每个引文的抽象摘要。

Nov, 2023

文献综述、相关工作生成、自然语言处理、NLP 模型、挑战

Apr, 2024

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

此篇综述介绍了如何通过自然语言处理实现学术研究中 “Related Work” 部分的自动生成和如何将相关研究进行比较和未来展望。

Jan, 2022

研究人员订阅 “论文提醒” 系统以获取最近发布的与其之前收集的论文相似的推荐论文，但由于现有系统仅提供论文标题和摘要，研究人员有时难以理解这些推荐论文与其自身研究背景之间微妙的联系。为了帮助研究人员发现这些联系，我们提出了基于用户收集的论文给推荐论文提供背景化文本描述的 PaperWeaver 系统。PaperWeaver 采用基于大型语言模型（LLMs）的计算方法来推断用户的研究兴趣，提取论文的具体上下文方面，并在这些方面上比较推荐与收集的论文。我们的用户研究结果（N=15）表明，使用 PaperWeaver 的参与者能够更好地理解推荐论文的相关性，并在与基线系统（基于推荐论文的相关工作部分）相比时更自信地进行分流。

Mar, 2024

使用文献计量学文本挖掘和摘要技术对科学文献进行自动生成，利用引文生成摘要，通过 C-LexRank 对单篇文章进行摘要提取，同时拓展到一系列科学文献的摘要提取和分析，证明引文是创建摘要的一种独特信息资源。

Feb, 2014

本文综述了科学演化模型的重要工作，然后介绍了一般的过程模型，该模型同时生成了共同作者和论文引用网络，该模型通过主题划分作者和论文、作者引用最新论文以及作者引用已阅读论文引用的论文来模拟论文引用网络的统计和动态性质，并将其验证为线性关系数的主题与模拟论文引用网络的聚类系数相关。

Nov, 2003