Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userA collaborative approach for research paper recommender system
نظام اقتراح للأوراق البحثية ذو نهج تعاوني
1156
0 14
0.0
(
0
)
Added by
Damascus University مقالة
Publication date
2019
fields
Informatics Engineering
and research's language is
العربية
Created by
Aya Tello
Ask ChatGPT about the research
إن توافر المعلومات بغزارة عبر الشابكة يجعل البحث عن المعلومات مهمة شاقة. يجد الباحثون صعوبة في الوصول وتتبع الأوراق البحثية الأكثر أهمية بالنسبة لهم. تقدم هذه الورقة مقاربة لنظام اقتراحات للأوراق البحثية في اتجاه تعاوني. من خلال الاستفادة من مزايا نهج التصفية التعاونية، نستخدم البيانات السياقية المتاحة للجميع لاستنتاج الارتباطات الخفية الموجودة بين أوراق البحث من أجل تخصيص الاقتراحات. حداثة النهج المقترح هو أنه يقدم توصيات مخصصة بغض النظر عن مجال البحث وبغض النظر عن خبرة المستخدم.
No English abstract
Artificial intelligence review:
Research summary
تقدم هذه الورقة البحثية نظام اقتراح للأوراق البحثية يعتمد على نهج تعاوني، يهدف إلى تحسين دقة وفعالية التوصيات المقدمة للباحثين. تعتمد الطريقة المقترحة على استخدام البيانات السياقية المتاحة للجميع لاستخراج الارتباطات الخفية بين الأوراق البحثية ومراجعها واقتباساتها. يتمثل الابتكار الرئيسي في هذا النهج في تقديم توصيات مخصصة بغض النظر عن مجال البحث أو خبرة المستخدم. تم اختبار النظام باستخدام مجموعة بيانات متاحة للجميع، وأظهرت النتائج تحسنًا ملحوظًا في الأداء مقارنة بالطرق الأساسية في قياس الدقة والاسترجاع ومؤشرات الأداء الأخرى. تعتمد الخوارزمية المقترحة على تحويل جميع الأوراق المقترحة إلى مصفوفة علاقات الاستشهاد-الورقة، ومن ثم استخراج الأوراق الأكثر تشابهًا بناءً على مقياس تشابه Jaccard. أظهرت النتائج أن النظام قادر على تقديم توصيات ذات صلة ومفيدة في أعلى قائمة التوصيات، مما يعزز من رضا المستخدمين عن النظام.
Critical review
دراسة نقدية: تقدم الورقة البحثية نظامًا مبتكرًا وفعالًا لتوصية الأوراق البحثية، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، تعتمد الطريقة بشكل كبير على توفر البيانات السياقية والمراجع والاقتباسات، مما قد يكون تحديًا في بعض المجالات البحثية التي تفتقر إلى هذه البيانات. ثانيًا، لم يتم التطرق بشكل كافٍ إلى كيفية التعامل مع الأوراق البحثية الحديثة التي قد لا تكون لديها اقتباسات كافية بعد. ثالثًا، يمكن أن تكون الخوارزمية معقدة نسبيًا وتتطلب موارد حوسبة عالية، مما قد يحد من استخدامها في البيئات ذات الموارد المحدودة. على الرغم من هذه النقاط، فإن النهج المقترح يساهم بشكل كبير في تحسين دقة وفعالية التوصيات البحثية.
Questions related to the research
-
ما هو الابتكار الرئيسي في النهج المقترح في الورقة البحثية؟
الابتكار الرئيسي هو استخدام البيانات السياقية المتاحة للجميع لاستخراج الارتباطات الخفية بين الأوراق البحثية ومراجعها واقتباساتها لتقديم توصيات مخصصة بغض النظر عن مجال البحث أو خبرة المستخدم.
-
ما هي مجموعة البيانات المستخدمة لاختبار النظام المقترح؟
تم استخدام مجموعة بيانات متاحة للجميع تحتوي على قائمة منشورات لـ 50 باحثًا في مجالات مختلفة لعلوم الكمبيوتر، وتم استخراج مراجعهم واستشهاداتهم من Google Scholar.
-
ما هو مقياس التشابه المستخدم في النهج المقترح؟
تم استخدام مقياس تشابه Jaccard لقياس مدى التشابه بين الورقة الهدف والأوراق المرشحة المؤهلة.
-
ما هي أهم النتائج التي توصلت إليها الدراسة؟
أظهرت النتائج أن النظام المقترح قادر على تحسين الأداء بشكل ملحوظ مقارنة بالطرق الأساسية في قياس الدقة والاسترجاع، كما أنه قادر على تقديم توصيات ذات صلة ومفيدة في أعلى قائمة التوصيات.
References used
No references
rate research
Read More
Can implicit feedback substitute for explicit ratings in recommender systems?
If so, we could avoid the difficulties associated with gathering explicit ratings from users.
How, then, can we capture useful information unobtrusively, and how might we use that information to make recommendations?
This paper presents an overview of AVASAG; an ongoing applied-research project developing a text-to-sign-language translation system for public services. We describe the scientific innovation points (geometry-based SL-description, 3D animation and video corpus, simplified annotation scheme, motion capture strategy) and the overall translation pipeline.
In this paper, we propose a novel fact checking and verification system to check claims against Wikipedia content. Our system retrieves relevant Wikipedia pages using Anserini, uses BERT-large-cased question answering model to select correct evidence
, and verifies claims using XLNET natural language inference model by comparing it with the evidence. Table cell evidence is obtained through looking for entity-matching cell values and TAPAS table question answering model. The pipeline utilizes zero-shot capabilities of existing models and all the models used in the pipeline requires no additional training. Our system got a FEVEROUS score of 0.06 and a label accuracy of 0.39 in FEVEROUS challenge.
Fine-grained opinion mining (OM) has achieved increasing attraction in the natural language processing (NLP) community, which aims to find the opinion structures of Who expressed what opinions towards what'' in one sentence. In this work, motivated b
y its span-based representations of opinion expressions and roles, we propose a unified span-based approach for the end-to-end OM setting. Furthermore, inspired by the unified span-based formalism of OM and constituent parsing, we explore two different methods (multi-task learning and graph convolutional neural network) to integrate syntactic constituents into the proposed model to help OM. We conduct experiments on the commonly used MPQA 2.0 dataset. The experimental results show that our proposed unified span-based approach achieves significant improvements over previous works in the exact F1 score and reduces the number of wrongly-predicted opinion expressions and roles, showing the effectiveness of our method. In addition, incorporating the syntactic constituents achieves promising improvements over the strong baseline enhanced by contextualized word representations.
هذه المقالة تحوي ترجمة وتلخيص وتوضيح للمذكور في الورقة البحثية المذكور اسمها أعلاه والموجودة في https://annals-csis.org/Volume_8/pliks/221.pdf , والتي تقوم باستخراج المعلومات الدلالية المهمة الموجودة في الوثائق والملفات والأوراق البحثية .
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
