Talk2Ref：面向科学讲座的参考预测数据集
计算与语言
2025-10-29 v1
摘要
科学讲座正成为 disseminate 研究的日益流行的媒介，自动识别为讲座提供相关文献以 grounding 或丰富讲座内容对研究人员和学生而言将极其有价值。我们引入参考预测从讲座（RPT），一个新任务，将长且非结构化的科学演示映射到相关论文。为支持RPT的研究，我们present Talk2Ref，首个大规模数据集，包含6,279个讲座和43,429篇被引论文（平均每场讲座约26篇），其中相关性由讲座对应源出版物中引用的论文所近似表示。我们通过评估零-shot 检索场景中的最新文本嵌入模型，建立了强有力的基线，并提出一个双编码器架构在Talk2Ref上进行训练。我们进一步探讨了处理长转录本的策略，以及领域适应的训练方法。我们的结果表明，在Talk2Ref上进行微调显著提高了引用预测性能，既展示了该任务的挑战，也证明了该数据集对学习来自口头科学内容的语义表示具有有效性。该数据集和训练好的模型以开放许可证发布，以促进将口头科学交流集成到引用推荐系统中的未来研究。
引用
@article{arxiv.2510.24478,
title = {Talk2Ref: A Dataset for Reference Prediction from Scientific Talks},
author = {Frederik Broy and Maike Züfle and Jan Niehues},
journal= {arXiv preprint arXiv:2510.24478},
year = {2025}
}