PaperWeaver：通过将推荐论文与用户收集的论文进行上下文化来丰富主题论文提醒

随着学术档案的快速增长，研究人员订阅了“论文提醒”系统，这些系统定期向他们推荐与先前收集的论文相似的最新发表论文。然而，研究人员有时难以理解推荐论文与其自身研究背景之间的细微联系，因为现有系统仅显示论文标题和摘要。为了帮助研究人员发现这些联系，我们提出了PaperWeaver，一个增强的论文提醒系统，该系统基于用户收集的论文提供推荐论文的上下文化文本描述。PaperWeaver采用基于大语言模型（LLM）的计算方法，从用户收集的论文中推断其研究兴趣，提取论文的上下文特定方面，并比较推荐论文和收集论文在这些方面的异同。我们的用户研究（N=15）表明，与呈现推荐论文的相关工作部分的基线相比，使用PaperWeaver的参与者能够更好地理解推荐论文的相关性，并更自信地进行分类。