Mar, 2024

PaperWeaver：将用户收集的论文与推荐论文的上下文相结合，丰富主题论文提醒

PDF
TL;DR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。
paper alert systemspaperweavercontextualized text descriptionslarge language modelsuser study
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

  • 解释研究论文间的关系

    我们探索了一种基于特征的 LLM-prompting 方法来生成更丰富的引用文本，并一次生成多个引用以捕捉研究论文之间的复杂关系，通过专家评估研究我们发现，我们提出的特征对生成段落质量的影响具有很强的相关性，提示人们更喜欢高层次、抽象的引用和其中的过渡句来提供整体故事。

    Feb, 2024

  • 带上下文树的个性化新闻推荐

    本文介绍了一种基于上下文树的新闻推荐系统，能够根据用户的浏览行为为匿名访客提供高质量、准确、新颖的新闻推荐。该系统能够很好地捕捉新闻文章的独特性质，并提供良好的预测准确性。

    Mar, 2013

  • 科学论文的 Citance - 上下文总结

    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

  • HybridCite: 上下文感知引文推荐的混合模型

    本文旨在研究引用建议系统，在多个数据集上测试了基于嵌入、主题建模和信息检索技术的引用建议方法，并将它们结合成一个半遗传混合推荐系统进行了离线和在线的评估，结果表明包含嵌入和信息检索组件的混合模型优于其他单个方法和算法。

    Feb, 2020

  • 利用高速网络的科学论文多任务推荐系统

    本论文提出了一种基于深度学习的多任务推荐系统，用于从科学论文中提取关键信息，包括关键字、作者以及推荐评分等。系统采用 RNN、Highway 和 CNN 等多种深度学习技术，以端到端的方式学习上下文语义，解决冷启动等问题。

    Apr, 2022

  • 用于支持对平行文本集合进行意义构建的交互式用户界面

    AVTALER 是一种基于核心对齐算法和现代 NLP 工具的混合倡议系统，用于帮助人们比较文献综述和对齐文本语段，以支持文本数据的语义化和对比文献属性。

    Mar, 2023

  • 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

  • 研究与读者之间的桥梁：一种多模态自动学术论文解读系统

    我们引入了一个开源的多模态自动学术论文解读系统（MMAPIS），通过三个步骤，包括 LLMs 来增强其功能：首先，我们利用混合模态的预处理和对齐模块来提取纯文本、表格或图像；然后根据所属章节的名称对这些信息进行对齐，确保具有相同章节名称的数据被归类到同一节下；接下来，我们采用分层的话语感知摘要方法，利用提取的章节名称将文章分割成较短的文本段落，通过具体提示使用 LLMs 进行节内和节间的摘要；最后，我们设计了四种类型的多样化用户界面，包括论文推荐、多模态问答、音频广播和解释博客，广泛适用于各种场景。我们的定性和定量评估突出了系统的优越性，尤其在科学摘要中，它胜过仅依赖 GPT-4 的解决方案。

    Jan, 2024