基于内容依赖建模与多正例三元组的稿件多正引文推荐
信息检索
2022-11-23 v1 人工智能
摘要
鉴于学术论文数量的快速增长，在论文写作过程中检索和引用合适的参考文献已成为一项非易事。在稿件发表前为其推荐少量候选论文，可减轻作者的负担，并帮助审稿人检查引用资源的完整性。传统的引文推荐方法通常考虑为输入稿件的查询上下文推荐一篇真实引文，但缺乏对共引推荐的考虑。然而，一段上下文往往需要两对或更多共引对来支撑。在此，我们提出一种新颖的面向引文推荐的科学论文建模方法，即多正例 BERT 引文推荐模型 (MP-BERT4CR)，该模型遵循一系列多正例三元组目标，为查询上下文推荐多个正引文。所提方法具有以下优势：第一，所提出的多正例目标能有效推荐多个正候选。第二，我们采用基于历史共引频率构建的噪声分布，使得 MP-BERT4CR 不仅在推荐高频共引对上有效，而且在检索低频共引对方面的性能也得到显著提升。第三，我们提出一种动态上下文采样策略，该策略捕获稿件的“宏观”引用意图，并使引文嵌入具有内容依赖性，从而使算法能进一步提升性能。单正例和多正例推荐实验证明，MP-BERT4CR 取得了显著改进。此外，与先前工作相比，MP-BERT4CR 在检索完整共引列表以及历史低频共引对方面同样有效。
引用
@article{arxiv.2111.12899,
title = {Recommending Multiple Positive Citations for Manuscript via Content-Dependent Modeling and Multi-Positive Triplet},
author = {Yang Zhang and Qiang Ma},
journal= {arXiv preprint arXiv:2111.12899},
year = {2022}
}