ImpactCite：一种基于 XLNet 的引文影响分析方法
计算与语言
2021-10-22 v1 数字图书馆
社会与信息网络
摘要
引文在理解科学文献的影响方面起着至关重要的作用。通常对引文进行定量分析，而对引文的定性分析可以揭示科学成果在学术界的更深层次影响。因此，引文影响分析（包括情感与意图分类）使我们能够量化引文的质量，最终有助于排名与影响的评估。本文的贡献有两点。首先，我们在情感和意图两类任务上，对 BERT、ALBERT 等知名语言模型以及若干流行网络进行了基准测试。其次，我们提出 ImpactCite，一种基于 XLNet 的引文影响分析方法。所有评估均在一组公开可用的引文分析数据集上进行。评估结果表明，ImpactCite 在引文意图与情感分类上均取得了新的 SOTA 性能，在 F1 分数上分别比现有方法高出 3.44% 和 1.33%。因此，我们推荐使用 ImpactCite（基于 XLNet 的方案）来完成这两项任务，以更好地理解引文的影响。我们还额外构建了 CSC-Clean 语料库，这是一个干净可靠的引文情感分类数据集。
引用
@article{arxiv.2005.06611,
title = {ImpactCite: An XLNet-based method for Citation Impact Analysis},
author = {Dominique Mercier and Syed Tahseen Raza Rizvi and Vikas Rajashekar and Andreas Dengel and Sheraz Ahmed},
journal= {arXiv preprint arXiv:2005.06611},
year = {2021}
}
备注
12 pages (10 + 2 references), 1 figure