ImpactCite: Eine XLNet-basierte Methode zur Zitationswirkungsanalyse

Zitate spielen eine entscheidende Rolle bei der Einschätzung des Einflusses wissenschaftlicher Literatur. Zitate werden in der Regel quantitativ analysiert, während eine qualitative Analyse von Zitaten tiefergehende Erkenntnisse in Bezug auf den Einfluss eines wissenschaftlichen Artefakts in der Gemeinschaft liefern kann. Daher ermöglicht die Zitierungseinflususanalyse (die Sentiment- und Intentionseinteilung umfasst) es uns, die Qualität der Zitate zu quantifizieren, was letztlich bei der Schätzung von Rangfolge und Einfluss hilfreich sein kann. Der Beitrag dieses Papers ist zweigeteilt. Erstens benchmarken wir bekannte Sprachmodelle wie BERT und ALBERT zusammen mit mehreren populären Netzwerken für die Aufgaben der Sentiment- und Intentionseinteilung. Zweitens stellen wir ImpactCite vor, eine Methode zur Zitierungseinflususanalyse, die auf XLNet basiert. Alle Evaluierungen wurden anhand einer Reihe öffentlich zugänglicher Datensätze zur Zitierungsanalyse durchgeführt. Die Evaluationsresultate zeigen, dass ImpactCite neue Standarteinstellungen in der Leistungsfähigkeit für die Klassifikation sowohl von Zitierintentionen als auch von Sentiments erreicht, indem es bestehende Ansätze um 3,44 % und 1,33 % im F1-Score übertrifft. Daher empfehlen wir ImpactCite (XLNet-basierte Lösung) für beide Aufgaben, um den Einfluss einer Zitation besser zu verstehen. Zusätzliche Anstrengungen wurden unternommen, um das CSC-Clean-Korpus zu erstellen, welches ein sauberes und verlässliches Datensatz für die Klassifikation des Zitiersentiments darstellt.