핵심 개념
학술 논문의 누락된 인용을 식별하고 추천하는 새로운 도전적인 과제를 소개합니다.
초록
학술 논문의 인용이 중요한데, 누락된 인용을 식별하고 추천하는 과제 소개
현재의 인용 추천 시스템은 이미 포함된 인용에 초점을 맞추지 않음
심사자가 누락된 인용을 식별하는 일반적인 현상 소개
새로운 과제인 "심사자가 식별한 누락된 인용 추천(RMC)"의 정의와 데이터셋 소개
RMCNet 프레임워크 소개 및 성능 평가 결과
다양한 기존 방법과의 비교 결과
ARE 모듈과 삼중 손실의 중요성과 효과적인 샘플링 전략의 영향
파라미터 분석 및 결과
도전과 미래 연구 방향 소개
통계
현재의 인용 추천 시스템은 이미 포함된 인용에 초점을 맞추지 않음
심사자가 누락된 인용을 식별하는 일반적인 현상 소개
RMCNet 프레임워크 소개 및 성능 평가 결과
인용구
"학술 논문의 누락된 인용을 식별하고 추천하는 새로운 도전적인 과제를 소개합니다."
"RMCNet은 다른 방법들보다 모든 메트릭에서 우수한 성과를 보여줍니다."