类比搜索引擎：在跨领域研究论文中发现类比关系
信息检索
2018-12-19 v1 计算与语言
机器学习
摘要
近年来，随着人工智能领域研究文献的迅速激增，研究人员越来越难以有效跟进自身领域内的所有最新研究。然而，历史表明，科学突破往往来自不同领域研究人员的合作。传统的搜索算法如词汇搜索（Lexical search），寻找查询词的字面匹配或同义词及变体，对于发现跨领域研究论文和满足信息过载时代研究人员的需求并不有效。在本文中，我们开发并测试了一个创新的语义搜索引擎——类比搜索引擎（Analogy Search Engine, ASE），用于涵盖语言技术、机器人学、机器学习、计算生物学、人机交互等领域的 2000 篇人工智能研究论文摘要。ASE 结合了计算类比（Computational Analogy）与自然语言处理（Natural Language Processing）的最新理论和方法，超越基于关键词的词汇搜索，发现研究论文摘要之间更深层的类比关系。我们通过实验表明，ASE 能够比基线 elasticsearch 找到更有趣和有用的研究论文。此外，我们相信 ASE 中使用的方法超越学术论文范畴，将惠及许多其他文档搜索任务。
引用
@article{arxiv.1812.06974,
title = {Analogy Search Engine: Finding Analogies in Cross-Domain Research Papers},
author = {Jieli Zhou and Yuntao Zhou and Yi Xu},
journal= {arXiv preprint arXiv:1812.06974},
year = {2018}
}