[21AAAI]Enhancing Scientific Papers Summarization with Citation Graph

最新推荐文章于 2025-12-20 13:00:44 发布
原创 最新推荐文章于 2025-12-20 13:00:44 发布 · 89 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自然语言处理

本文探讨了如何通过构建引用图来提升科学论文的自动摘要能力。作者介绍了研究的动机，详细阐述了提出的模型、实验过程，并强调了关键发现。

[21AAAI]Enhancing Scientific Papers Summarization with Citation Graph

论文信息：
来源：
作者：

1.Motivation
2.Contribution
3. Model
4. Experiments
5. Key takeaways
论文阅读：AAAI 2024 MemoryBank: Enhancing Large Language Models with Long-Term Memory
CSPhD-winston的博客
08-08 1324
大型语言模型（LLMs）极大地重塑了我们与人工智能（AI）系统的交互方式，在众多任务中展现出令人印象深刻的性能。尽管如此，这些模型仍然存在一个显著的障碍——缺乏长期记忆机制。在需要持续交互的场景中，如个人陪伴系统、心理咨询和秘书协助等，这一缺陷愈发明显。鉴于对长期记忆的需求，我们提出了MemoryBank，这是一种专为大型语言模型设计的新型记忆机制。MemoryBank使模型能够调用相关记忆，通过不断更新记忆来持续进化，通过综合以往交互中的信息，逐渐理解并适应用户的个性。
论文阅读-Heterogeneity-Aware Twitter Bot Detection with Relational Graph Transformers（AAAI-2022）
qq_40671063的博客
07-05 2147
论文阅读-Heterogeneity-Aware Twitter Bot Detection with Relational Graph Transformers（AAAI-2022）
scientific-paper-summarisation:机器学习模型可自动总结科学论文
05-17
自动汇总科学论文 您是否曾经作为研究项目的一部分进行过文献综述，并认为“我希望有一种更快的方法”？ 该代码旨在通过开发基于监督学习的摘要式摘要系统来创建科学论文的摘要，从而以更快的方式创建该摘要。 有关该项目的更多信息，请参见： Ed Collins，Isabelle Augenstein，Sebastian Riedel。 。 参加2017年7月的CoNLL会议录。 埃德·科林斯（Ed Collins）。 对科学论文进行摘录总结的一种有监督的方法。 伦敦大学伦敦分校论文，2017年5月。 代码说明 此处描述了各种代码文件和文件夹。 请注意，此处未上传使用的数据，但是存储库的大小仍超过1GB。 分析-包含用于分析生成的摘要并创建各种漂亮图形的代码的文件夹。 它对于汇总器的功能不是必不可少的，并且没有数据就无法工作。 数据-应将所有数据存储在何处。 Utility_Data文件夹中
Re4：读论文 CGSum: Enhancing Scientific Papers Summarization with Citation Graph
诸神缄默不语的博客
08-26 735
Re4: 读论文 CGSum Enhancing Scientific Papers Summarization with Citation Graph 1. 模型构造思路 2. Notation与模型介绍 2.1 Notation 2.2 CGSum 3. 详细的数学推导和证明 4. 实验结果 4.1 baseline 4.2 数据集 4.3 实验设置 4.4 实验结果 5. 代码实现和复现 5.1 论文官方实现 5.2 我自己写的复现
【AAAI-2019】论文整理（清单）
热门推荐
TiffanyRabbit的博客
03-12 4万+
AAAI-19 Accepted Papers – Main Technical Track 整理自：AAAI官网，分类整理持续更新… 详细文章可从arXiz.org下载 – CircConv: A Structured Convolution with Low Complexity Siyu Liao ()*; Bo Yuan (Rutgers University) – Deep Sing...
【AAAI 2021】全部接受论文列表（二）
yinizhilianlove的博客
01-14 6972
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2021-01-14 马上春节了，疫情又卷土而来，希望大家注意防护，爱护自己的身体 AAAI 2021论文接收情况   人工智能顶级会议AAAI 2021 已经给出接收论文列表，共有1692篇论文被接收，录取率21%，比去年的20.6%稍微有些上升。单从数量上看，也比去年多了101篇。本届 AAAI 2021已经是第35 届会议了。据 AAAI 2021官方网站，这个 2021年首个人工智能顶会将全.
AAAI2021论文列表（中英对照）
dovings的博客
07-04 1万+
AAAI2021论文列表（中英对照）
AAAI 2022 论文列表
gbstack08的专栏
02-15 3万+
链接及代码之后会更新 GitHub链接：https://github.com/gbstack/AAAI-2022-papers Scaled ReLU Matters for Training Vision Transformers Pichao Wang, Xue Wang, Hao Luo, Jingkai Zhou, Zhipeng Zhou, Fan Wang, Hao Li, Rong Jin Search Strategies for Topological Network Optimizat
【机器学习】网络表征学习、网络嵌入必读论文
敲代码的quant的博客
02-22 7858
以下内容转载于： https://blog.youkuaiyun.com/weixin_40400177/article/details/103329924 NRL: network representation learning. NE: network embedding. Content Survey Papers Models Bacis Models Attributed Network Dyn...
诸神缄默不语的论文阅读笔记和分类
诸神缄默不语的博客
06-27 1140
诸神缄默不语的论文阅读笔记和分类：作者论文阅读笔记的目录或索引
### Paper about Event Detection
weixin_30780649的博客
04-06 2万+
Paper about Event Detection. #@author: gr #@date: 2014-03-15 #@email: forgerui@gmail.com 看一些相关的论文。 1. 《Efficient Visual Event Detection using Volumetric Features》 ICCV 2005 扩...
2023-AAAI-Learning to Count Isomorphisms with Graph Neural Networks
无问的博客
04-28 666
问题场景：给定 input graph, 对于不同的 query graph，输出对应的子图同构检查结果Classical methods：搜索空间巨大，计算成本高基于 GNN 的方法：大部分 GNN 均以 node 为中心进行消息聚合，对于同构计数的复杂结构匹配不太适用。
图表示学习(Graph representation learning)-AAAI-19-Tutorial
05-22
图表示学习（Graph Representation Learning）是一种在计算机科学中新兴的领域，它涉及通过数学或机器学习方法在低维空间中表示图结构数据，以便于进行有效的数据处理和分析。在AAAI 2019年的一个教程中，William L....
论文解读：K-BERT：Enabling Language Representation with Knowledge Graph（AAAI-20）
mysky54的博客
05-09 1046
Part1 Introduction BERT这种公共模型，对于通用领域表现优秀，但是垂直领域表现不佳，除非在垂直领域进行训练，但是非常耗时耗力。将知识图谱整合到语言表示中，领域知识将能提升垂直领域的任务，并且模型具有更好的可解释性。 论文提出的K-BERT通过引进知识图谱（将知识库中的结构化信息（三元组）融入到预训练模型）中，可以更好地解决领域相关任务。 Part2 Methods 模型主要包括四个子模块：Knowledge layer、Embedding layer、Seeing layer和Mask
【AI】大语言模型基础知识详解
weixin_63434398的博客
12-18 1068
本文通俗讲解了大语言模型(LLM)的核心原理和关键概念。大模型本质上是基于海量文本训练的超大参数神经网络，通过预测"下一个词"来完成文本生成。文章详细介绍了大模型的三大特征：训练数据量巨大(如GPT-3训练3000亿token)、参数量庞大(如GPT-3有1750亿参数)以及由此产生的通用能力。重点解释了token(文本处理基本单位)和词表(模型字典)的概念，并剖析了大模型从输入到输出的完整工作流程：分词→转ID→计算概率→选择最高概率词→循环生成。最后指出大模型并非真正理解语言，而是基
大语言模型实战（一）——基本介绍及环境配置
swpucwf的博客
12-18 779
【代码】大语言模型实战（一）——基本介绍及环境配置。
vs的运行库区别，静态连接mt和动态链接md运行库
字节跳动
12-17 384
在Visual Studio（VS）中，MT、MTd、MD、MDd是C/C++编译器的运行时库链接选项，它们决定了程序如何链接C运行时库（CRT），直接影响程序的部署方式、性能、调试体验及跨模块内存管理。
大模型教我成为大模型算法工程师之day20： 预训练语言模型 (Pre-trained Language Models)
最新发布
weixin_43784706的博客
12-20 1190
摘要：预训练语言模型从ELMo开始突破静态词向量限制，通过上下文动态生成词向量。BERT采用双向Transformer架构和MLM任务，在理解类任务上表现卓越；GPT系列坚持单向Decoder结构，专注生成任务并最终引领大模型时代。T5尝试统一NLP任务为文本生成格式。当前实践可通过HuggingFace快速调用预训练模型。BERT虽开创先河，但GPT的自回归特性在数据规模扩大后展现出更强泛化能力，成为LLM主流选择。明日将探讨如何将这些模型应用于具体NLP任务。
【自然语言处理】中文文本字频统计与交互式可视化工具
2401_84149564的博客
12-17 1164
本文介绍了一个中文文本字频统计与交互式可视化工具的完整开发流程。该工具支持GB级大文本处理，通过分块读取和多线程技术实现高效统计，能够分析单字频率、双字组合频率，并提供多文本对比功能。系统采用模块化设计，包含文本预处理、频率统计、可视化等核心模块，解决了中文显示、跨平台兼容等关键技术问题。可视化部分使用Plotly生成交互式图表，包括词云、热力图、关联网络等多种形式。工具具有易用性强、性能优异的特点，适用于中文文本分析、数据挖掘等应用场景。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值