文献

J-GLOBAL ID：202202292198034885   整理番号：22A1104791

階層的注意テキストエンコーダとSciBERTベースリランキングによる局所引用推薦【JST・京大機械翻訳】

Local Citation Recommendation with Hierarchical-Attention Text Encoder and SciBERT-Based Reranking

著者 (3件)： Gu Nianlong (Institute of Neuroinformatics, University of Zurich and ETH Zurich, Zuerich, Switzerland) ,  Gao Yingqiang (Institute of Neuroinformatics, University of Zurich and ETH Zurich, Zuerich, Switzerland) ,  Hahnloser Richard H. R. (Institute of Neuroinformatics, University of Zurich and ETH Zurich, Zuerich, Switzerland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13185  ページ： 274-288  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 局所引用推薦の目標は,局所引用状況から,また,グローバル文脈からオプションからも,欠測基準を推薦することである。大規模紙データベースの文脈における引用推薦の速度と精度の間のトレードオフのバランスをとるために,実行可能なアプローチは,効率的なランキング法を用いて,限られた数の関連文書をまずプリフェッチし,次に,より洗練されたモデルを用いて細粒再ランク付けを行う。その静脈において,BM25はプレフェッチングに対する強靭からビートへのアプローチであり,これは最近の研究が再ランク付け段階に主に焦点を合わせている理由である。また,階層的注意ネットワークにより構築されたテキスト埋込み間の最近傍探索によるプリフェッチを検討した。局所引用推薦タスクで微調整したSciBERT再ランク付けと結合させた場合,階層的注意符号器(HAtten)は,与えられた数の候補に対して高いプリフェッチリコールを達成する。従って,著者らの再ランク付けは,再ランク付けするのに,より少ないプリフェッチ候補を必要とするが,ACL-200,FullTexter Read,RefSeer,およびarXivのような様々な局所引用推薦データセットに関する最先端の性能を達成する。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 著者 ,  データベース ,  ネットワーク ,  静脈 ,  符号器 ,  等級づけ ,  *文脈 ,  文書 ,  近傍探索法
準シソーラス用語： プリフェッチ , 【Automatic Indexing@JST】

著者キーワード (3件)： 局所引用勧告 ,  階層的注意 ,  文書再ランキング

分類 (3件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 注意 ,  エンコーダ ,  リランキング ,  引用 ,  推薦