Key points are not available for this paper at this time.
La recommandation automatique de citations peut être très utile pour rédiger un article et constitue un problème AI-complet en raison du défi de combler l'écart sémantique entre le contexte de citation et l'article cité. Il n'est pas toujours facile pour des chercheurs compétents de fournir un contexte de citation précis pour un article cité ou de trouver le bon article à citer dans un contexte donné. Pour aider à résoudre ce problème, nous proposons un nouveau modèle probabiliste neuronal qui apprend conjointement les représentations sémantiques des contextes de citation et des articles cités. La probabilité de citer un article donné un contexte de citation est estimée en entraînant un réseau neuronal multicouche. Nous mettons en œuvre et évaluons notre modèle sur l'ensemble du jeu de données CiteSeer, qui au moment de ce travail se compose de 10,760,318 contextes de citation provenant de 1,017,457 articles. Nous montrons que le modèle proposé surpasse significativement d'autres modèles à la pointe de la technologie en termes de rappel, MAP, MRR et nDCG.
Huang et al. (Jeu,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: