VitaLITy：利用 Transformer 与可视化分析促进学术文献的偶然发现
人机交互
2021-10-01 v3
摘要
进行学术文献综述有一些显著的做法，包括在 Google Scholar 上搜索特定关键词或查阅某些初始种子论文的引用。这些方法对学术文献综述起着关键作用，然而当相似工作可能使用不同术语时（例如，混合主动可视化分析论文可能不使用与模型引导论文相同的术语，但两者主题相关），在识别相关文献方面仍存在挑战。本文介绍一个旨在补充现有做法的系统 VitaLITy。具体而言，VitaLITy 利用 transformer 语言模型促进相关文献的偶然发现，允许用户在词嵌入空间中找到语义相似的论文，给定（1）输入论文列表或（2）一份工作摘要。VitaLITy 使用降维在交互式二维散点图中可视化该文档级嵌入空间。VitaLITy 还汇总关于文档语料库或搜索查询的元信息，包括关键词与共同作者，并允许用户保存和导出论文以用于文献综述。我们展示了 VitaLITy 评估的定性发现，表明它可成为一种有前景的互补技术用于开展学术文献综述。此外，我们在 VitaLITy 中贡献了来自 38 个流行数据可视化出版场所的数据，并为开源社区提供爬虫以持续扩展支持的场所列表。
引用
@article{arxiv.2108.03366,
title = {VitaLITy: Promoting Serendipitous Discovery of Academic Literature with Transformers & Visual Analytics},
author = {Arpit Narechania and Alireza Karduni and Ryan Wesslen and Emily Wall},
journal= {arXiv preprint arXiv:2108.03366},
year = {2021}
}
备注
11 pages, 9 figures, TVCG Special Issue on the 2021 IEEE Visualization Conference (VIS)