Investigating Convolutional Networks and Domain-Specific Embeddings for Semantic Classification of Citations
Investigating Convolutional Networks and Domain-Specific Embeddings for Semantic Classification of Citations
复制标题
研究用于引文语义分类的卷积网络和特定领域嵌入
DOI：
10.1145/3127526.3127531
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Eckert
中科院分区：
文献类型：
--
作者：
Lauscher;Glavaš;Ponzetto;Simone Paolo;Eckert
引文图表和索引是大多数文献计量分析的基础。然而，从引文图中得出的措施并不能深入了解科学出版物的质量方面。在这项工作中，我们的目标是语义特征的极性和目的方面的引文。我们将极性和目的检测作为分类任务，并研究了卷积网络在这些任务上的一般和特定领域的词嵌入性能。我们表现最好的模型在基准数据集上的表现远远优于以前报告的结果。
Citation graphs and indices underpin most bibliometric analyses. However, measures derived from citation graphs do not provide insights into qualitative aspects of scientific publications. In this work, we aim to semantically characterize citations in terms of polarity and purpose. We frame polarity and purpose detection as classification tasks and investigate the performance of convolutional networks with general and domain-specific word embeddings on these tasks. Our best performing model outperforms previously reported results on a benchmark dataset by a wide margin.
迈向语义计量学：一种新的基于语义相似性的评估研究出版物贡献的方法
DOI：
10.1045/november14-knoth
发表时间：
2014
期刊：
D Lib Mag.
影响因子：
--
作者：
Petr Knoth;Drahomira Herrmannova
通讯作者：
Drahomira Herrmannova
使用机器学习技术对引文中作者的情绪进行自动分类：初步研究
DOI：
10.1109/cibcb.2015.7300319
发表时间：
2015
期刊：
2015 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB)
影响因子：
--
作者：
In;G. Thoma
通讯作者：
G. Thoma