人工智能稿件文本分析揭示与同行评审结果相关的特征
数字图书馆
2020-03-05 v2 人工智能
计算与语言
摘要
我们分析了一个提交至人工智能各领域会议的科学稿件数据集。我们对稿件的全文进行了语义、词汇与心理语言学分析的组合，并将其与同行评审过程的结果进行比较。我们发现录用稿件在两项可读性指标上得分低于拒稿稿件，且它们使用了更多科学与人工智能行话。我们还发现录用稿件所使用的词语频率更低、在更晚年龄习得且比拒稿稿件更抽象。对稿件中所引参考文献的分析显示，录用的投稿子集更可能引用相同出版物。这一发现由稿件词语内容的两两比较（即语义相似性指标）所呼应，其在录用稿件子集中更为相似。最后，我们利用稿件的词语内容预测其同行评审结果，其中与机器学习和神经网络相关的词与录用正相关，而与逻辑、符号处理及基于知识的系统相关的词与录用负相关。
引用
@article{arxiv.1911.02648,
title = {Textual analysis of artificial intelligence manuscripts reveals features associated with peer review outcome},
author = {Philippe Vincent-Lamarre and Vincent Larivière},
journal= {arXiv preprint arXiv:1911.02648},
year = {2020}
}