ImpactCite: XLNet을 기반으로 한 인용 영향력 분석 방법

인용은 과학 문헌의 영향력을 이해하는 데 중요한 역할을 합니다. 일반적으로 인용은 정량적으로 분석되지만, 인용의 질적 분석은 과학적 연구물이 학계에서 미치는 영향에 대한 더 깊은 통찰력을 제공할 수 있습니다. 따라서, 인용 영향력 분석(감정 및 의도 분류를 포함)은 인용의 품질을 정량화하여 순위와 영향력 추정에 도움을 줄 수 있습니다. 본 논문의 기여는 두 가지입니다. 첫째, BERT와 ALBERT 같은 잘 알려진 언어 모델과 여러 유명한 네트워크를 감정 및 의도 분류 작업에 벤치마킹합니다. 둘째, XLNet 기반 방법으로 인용 영향력 분석을 수행하는 ImpactCite를 제공합니다. 모든 평가는 공개된 인용 분석 데이터셋 집합에서 수행되었습니다. 평가 결과는 ImpactCite가 기존 접근 방식보다 F1 점수에서 3.44%와 1.33% 개선되어 인용 의도 및 감정 분류 모두에서 새로운 최고 성능을 달성함을 보여줍니다. 따라서, 우리는 인용의 영향력을 더 잘 이해하기 위해 감정 및 의도 분류 작업에 ImpactCite (XLNet 기반 솔루션)를 강조합니다. 또한, CSC-Clean 코퍼스라는 깨끗하고 신뢰할 수 있는 인용 감정 분류 데이터셋을 제작하기 위한 추가적인 노력이 이루어졌습니다.