文献

J-GLOBAL ID：202202272625423621   整理番号：22A0832187

引用推薦のための深層学習ベース二重エンコーダ検索モデル【JST・京大機械翻訳】

Deep learning based dual encoder retrieval model for citation recommendation

著者 (3件)： Da Fang (School of Management and Economics, University of Electronic Science and Technology of China, Chengdu, 611731 P. R. China) ,  Kou Gang (School of Business Administration, Southwestern University of Finance and Economics, Chengdu, 610074 P. R. China) ,  Peng Yi (School of Management and Economics, University of Electronic Science and Technology of China, Chengdu, 611731 P. R. China)
資料名： Technological Forecasting and Social Change  (Technological Forecasting and Social Change)
巻： 177  ページ： Null  発行年： 2022年 
JST資料番号： H0572B  ISSN： 0040-1625  CODEN： TFSCB3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 引用推薦は,それらの入力と他の情報に基づくユーザに適切な文書を推薦する。多くの伝統的引用推薦モデルは,アイテム属性を記述して,シーケンスの意味論を無視するためにキーワードを使用して,それは検索結果の適切性を引き起こす。本論文では,テキスト表現技術と文章ペアマッチングアプローチを組み合わせた深層学習ベース二重符号器検索(DER)モデルを提案し,引用推薦の性能を改善した。最初に,出版データベースからの入力クエリと論文標題を,2つの深層学習ベース符号器によって別々に意味ベクトルに符号化した。第二に,入力クエリの意味ベクトルを,類似性スコアを計算するために,多層パーセプトロンアプローチによって公開されたデータベースにおける論文を表すベクトルとマッチさせた。最後に,類似性スコアの降順で分類された文書のリストを作成した。提案した方法の有効性を検証するために,引用データセットを用いて5つのベースラインと比較した。結果は,提案モデルが精度,再現,F1測度,およびAUCに関して最良の性能を達成することを示した。さらに,20の論文の小例を用いてGoogle ScholarとDER(Glove)モデルを比較した。DER(Glove)モデルは,7つの推薦でGoogle Scholarを上回り,10の勧告に結びついた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測度 ,  ベクトル ,  意味論 ,  技術 ,  情報 ,  データベース ,  *符号器 ,  論文 ,  類似性 ,  基準線 ,  有効性 ,  多層パーセプトロン
準シソーラス用語： Google ,  クエリー ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習検索アプローチ ,  引用勧告 ,  二重エンコーダ検索モデル

分類 (1件)： 研究開発  (AA03000V)

タイトルに関連する用語 (6件)： 引用 ,  推薦 ,  深層学習 ,  エンコーダ ,  検索 ,  モデル