CiMaTe: 有效利用主文本的引用计数预测
计算与语言
2024-10-08 v1
摘要
对未来论文引用次数的预测日益重要，以在不断增长的论文数量中找到有趣的论文。虽然论文主文本是引用计数预测的重要因素，但由于主文本通常非常长，机器学习模型难以处理；因此，先前的研究未充分探索如何利用它。本文提出一种基于BERT的引用计数预测模型，称为CiMaTe，通过显式捕获论文章节结构来利用主文本。通过在计算语言学和生物学领域的实验，我们展示了CiMaTe的有效性，在斯佩曼等级相关系数方面优于先前方法；在计算语言学领域提升了5.1分，在生物学领域提升了1.8分。
引用
@article{arxiv.2410.04404,
title = {CiMaTe: Citation Count Prediction Effectively Leveraging the Main Text},
author = {Jun Hirako and Ryohei Sasano and Koichi Takeda},
journal= {arXiv preprint arXiv:2410.04404},
year = {2024}
}