科学评审中的基于方面的情感分析

科学论文是复杂的，理解这些论文的用处需要先验知识。同行评审是由该领域指定专家对论文给出的评论，包含大量信息，不仅供编辑和主席做出最终决定，也用于判断论文的潜在影响。在本文中，我们提出对科学评审进行基于方面的情感分析，以提取有用信息，这些信息与接收/拒收决定高度相关。在处理来自机器学习领域顶级会议之一 ICLR 的近 8k 条评审数据集时，我们使用主动学习框架构建用于方面预测的训练数据集，并进一步用于获取整个数据集的方面和情感。我们表明，从评审中获得的基于方面的情感分布在被接收和被拒收的论文间存在显著差异。我们利用这些评审的方面情感做出了一个引人注目的观察：论文中存在的、并在评审中讨论的某些方面强烈决定了最终推荐。作为第二个目标，我们量化了评审同一篇论文的评审者之间的分歧程度。我们还调查了评审者与主席之间的分歧程度，发现评审者间分歧可能与和主席的分歧存在联系。本研究最有趣的观察之一是：评审者打分与从该评审者所写评审文本中提取的方面情感一致的评审，也更可能与主席的决定相符。