用于科学出版物中引文意图分类的结构化脚手架
计算与语言
2019-10-01 v2
摘要
识别科学论文中引文的意图（例如背景信息、方法使用、结果比较）对于单篇论文的机器阅读和科学文献的自动分析至关重要。我们提出结构化脚手架，一种多任务模型，将科学论文的结构信息融入引文中，以有效分类引文意图。我们的模型在现有的 ACL 文集数据集（ACL-ARC）上取得了新的最优（SOTA）结果，F1 分数绝对提升 13.3%，且不像现有方法那样依赖外部语言资源或手工设计特征。此外，我们引入了一个新的引文意图数据集（SciCite），其规模是现有数据集的五倍以上，并覆盖多个科学领域。我们的代码和数据可在 https://github.com/allenai/scicite 获取。
引用
@article{arxiv.1904.01608,
title = {Structural Scaffolds for Citation Intent Classification in Scientific Publications},
author = {Arman Cohan and Waleed Ammar and Madeleine van Zuylen and Field Cady},
journal= {arXiv preprint arXiv:1904.01608},
year = {2019}
}
备注
NAACL 2019