BriefGPT - AI 论文速递
·
CiMaTe: Effectively Leveraging the Main Text for Citation Count Prediction
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种名为CiMaTe的基于BERT的引用计数预测模型，旨在有效利用论文主文本。该模型通过捕捉章节结构，提升了计算语言学和生物学领域的预测准确性，Spearman等级相关系数分别提高了5.1和1.8。
🎯
关键要点
-
本研究提出了一种名为CiMaTe的基于BERT的引用计数预测模型。
-
CiMaTe模型通过捕捉论文的章节结构，有效利用了论文的主文本。
-
该模型在计算语言学和生物学领域的Spearman等级相关系数分别提高了5.1和1.8。
-
主文本在引用计数预测中是一个重要因素，但在机器学习模型中的应用不足。
🏷️
