论文阅读笔记-Content-Based Citation Recommendation

该论文提出了一种基于内容的学术论文推荐方法,利用文档嵌入和余弦相似度进行候选文档筛选和重排,尤其适用于缺少元数据的情况。在PubMed和DBLP数据集上,方法表现出优越性能,且发布了包含700万篇研究文章的新数据集OpenCorpus,以促进未来研究。
摘要由CSDN通过智能技术生成

论文链接:http://aclweb.org/anthology/N18-1022

代码链接:GitHub - allenai/citeomatic: A citation recommendation system that allows users to find relevant citations for their paper drafts. The tool is backed by Semantic Scholar's OpenCorpus dataset.

        该论文发表在2018年ACL。

摘要:我们提出了一种基于内容的学术论文推荐方法。我们将给定的查询文档嵌入到向量空间中,然后使用其最近的邻居作为候选文档,并使用经过训练的判别模型对候选文档进行重新排序,以区分观察到的和未观察到的引用。与以前的工作不同,我们的方法不需要元数据,比如可能会丢失的作者名,例如在同行评审过程中。在不使用元数据的情况下,我们的方法优于PubMed和DBLP数据集的最佳报告结果,在F1@20中相对改进了18%以上,在MRR中相对改进了22%以上。我们的经

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值