과학 논문에서 인용 의도 분류를 위한 구조적 스캐폴드

과학 논문에서 인용의 의도(예: 배경 정보, 방법 사용, 결과 비교)를 식별하는 것은 개별 출판물의 기계 읽기와 과학 문헌의 자동 분석에 있어 매우 중요합니다. 우리는 구조적 정보를 과학 논문의 인용에 통합하여 인용 의도를 효과적으로 분류하기 위한 다중 작업 모델인 구조적 스캐폴드(structural scaffolds)를 제안합니다. 우리의 모델은 외부 언어 자원이나 기존 방법에서 사용되는 수작업 특징을 의존하지 않고, 기존 ACL 연감 데이터셋(ACL-ARC)에서 F1 점수를 13.3% 절대적으로 향상시켜 새로운 최고 성능을 달성하였습니다. 또한, 우리는 기존 데이터셋보다 5배 이상 크며 여러 과학 분야를 포함하는 새로운 인용 의도 데이터셋(SciCite)을 소개합니다. 우리의 코드와 데이터는 다음 주소에서 확인할 수 있습니다: https://github.com/allenai/scicite.