通过神经标题简化提升科学文章可见度
信息检索
2020-08-27 v1 计算与语言
机器学习
摘要
科学内容提供商需要向用户交付的数据量迅速增长，这促使他们创建有效的推荐工具。文章的标题通常是吸引人们注意力的唯一展示元素。我们提出了一种自动生成具有不同信息量级别标题的方法，以惠及不同类别的用户。来自ResearchGate的统计数据用于偏置训练数据集，以及专门设计的后处理步骤应用于神经序列到序列模型，使得能够达到所需的简化标题多样性，从而在推荐的吸引力和透明度之间取得平衡。
引用
@article{arxiv.1904.03172,
title = {Improving Scientific Article Visibility by Neural Title Simplification},
author = {Alexander Shvets},
journal= {arXiv preprint arXiv:1904.03172},
year = {2020}
}
备注
Contribution to the Proceedings of the 8th International Workshop on Bibliometric-enhanced Information Retrieval (BIR 2019) as part of the 41th European Conference on Information Retrieval (ECIR 2019), Cologne, Germany, April 14, 2019. CEUR Workshop Proceedings, CEUR-WS.org 2019. Keywords: Scientific Text Summarization, Machine Translation, Recommender Systems, Personalized Simplification