Benchmark for Evaluation and Analysis of Citation Recommendation Models
University of Konstanz（康斯坦茨大学）
针对引文推荐领域模型、数据集、评估指标不统一导致难以公平对比的问题，提出构建专用基准，通过标准化指标与多维度任务实现模型综合评估，为领域提供通用对比平台。
2024-12-10 cs.AI cs.DL cs.IR
Citation Recommendation using Deep Canonical Correlation Analysis
School of Computer Science University of Galway（计算机科学学院 Galway 大学）
本文提出用深度典型相关分析（DCCA）融合论文文本与图表示以进行引文推荐，并在大规模DBLP数据集上验证其显著优于线性CCA方法。
2025-07-23 cs.IR cs.LG
Content-Based Citation Recommendation
Allen Institute for AI（艾伦人工智能研究所）；Data Cowboys（数据牛仔公司）
本文提出了一种基于内容的学术论文引文推荐方法。我们将给定的查询文档嵌入到向量空间中，然后使用其最近的邻居作为候选者，并使用经过训练以区分观察到的和未观察到的引用的判别模型对候选者进行重新排序。与以前的工作不同，我们的方法不需要元数据，如可能丢失的作者姓名，例如，在同行评审过程中。在不使用元数据的情况下，我们的方法优于PubMed和DBLP数据集上报告的最佳结果，在F1@20中的相对改进超过18%，在MRR中的相对改进超过22%。我们的经验表明，虽然添加元数据提高了标准指标的性能，但它有利于自引用，这在引用推荐设置中不太有用。我们发布了一个在线门户网站（http：//labs.semantics.org/citeomatic/）的引文推荐基于我们的方法，和一个新的数据集OpenCorpus的700万篇研究文章，以促进未来的研究这项任务。
2018-02-22 cs.CL cs.DL cs.IR
Local Citation Recommendation with Hierarchical-Attention Text Encoder and SciBERT-based Reranking
Institute of Neuroinformatics, University of Zurich（苏黎世大学神经信息学研究所）；ETH Zurich（苏黎世联邦理工学院）
本地引用推荐的目标是从本地引用上下文以及可选地从全局上下文推荐缺失的参考文献。为了在大规模论文数据库的背景下平衡引用推荐的速度和准确性之间的权衡，一种可行的方法是首先使用有效的排名方法预取有限数量的相关文档，然后使用更复杂的模型执行细粒度的重新排名。在这种情况下，BM 25被发现是一种难以击败的预取方法，这就是为什么最近的工作主要集中在重新排序步骤上。即便如此，我们探索预取与最近邻搜索之间的文本嵌入构造的层次注意力网络。当再加上一个SciBERT reranker微调本地引文推荐任务，我们的分层注意力编码器（HAtten）实现了高预取召回给定数量的候选人进行重新排名。因此，我们的重新排名器需要更少的预取候选项来重新排名，但仍然在ACL-200、FullTextPeerRead、RefSeer和arXiv等各种本地引文推荐数据集上实现了最先进的性能。
2022-03-17 cs.CL cs.IR cs.LG
Local Citation Recommendation Without Graph Signals
Harvard University（哈佛大学）；Center for Astrophysics | Harvard & Smithsonian（天体物理中心 | 哈佛与史密森尼学会）
该研究针对局部引文推荐（LCR）因依赖引文图易产生偏差、缺乏公开数据的问题，构建了LCRC数据集，开发出无图信号的引文推荐系统，在未微调模型下较基线提升了检索指标，且公开了代码与数据集。
2026-10-14 cs.CL cs.DL cs.IR
Graph Embedding for Citation Recommendation
随着科学的进步，学术界发表了数百万篇研究论文。研究人员在撰写论文或只是为了跟上当前的研究时，会花费时间和精力搜索相关的手稿。本文研究了图上的引文推荐问题，提出了一种基于任务的邻域构造策略来学习论文的分布式表示。此外，鉴于所学到的表示，我们调查各种计划排名的候选论文引用推荐。实验结果表明，我们提出的邻域构造策略优于广泛使用的随机游走为基础的采样策略的所有排名方案，和基于模型的排名方案优于嵌入的邻域构造策略的排名。我们还证明了图嵌入是一种鲁棒的引用推荐方法，当隐藏率变化时，而经典方法的性能显着下降时，种子论文集变得很小。
2018-12-06 cs.DL cs.IR cs.SI
Multi-Modal Adversarial Autoencoders for Recommendations of Citations and Subject Labels
Kiel University（基尔大学）；ZBW – Leibniz Information Centre for Economics（ZBW——莱布尼茨经济信息中心）
我们提出了用于推荐的多模态对抗性自动编码器，并在两个不同的任务上对其进行了评估：引用推荐和主题标签推荐。我们分析了对抗正则化，稀疏性和不同输入方式的影响。通过进行408个实验，我们证明了对抗正则化始终提高了自动编码器的推荐性能。然而，我们证明，这两个任务不同的项目共现的语义在这个意义上，项目共现类似于相关性的情况下引用，但意味着多样性的情况下，主题标签。我们的研究结果表明，提供部分项目集作为输入是有帮助的，当项目同现相似的相关性。因此，当面对一个新的推荐任务时，考虑项目共现的语义对于选择合适的模型是至关重要的。
2019-07-22 cs.IR cs.LG stat.ML
Synthetic vs. Real Reference Strings for Citation Parsing, and the Importance of Re-training and Out-Of-Sample Data for Meaningful Evaluations: Experiments with GROBID, GIANT and Cora
Trinity College Dublin（都柏林圣三一学院）；ADAPT Research Centre（ADAPT研究中心）
引文解析，特别是深度神经网络，缺乏训练数据，因为可用的数据集通常只包含几千个训练实例。手动标记引用字符串非常耗时，因此综合创建的训练数据可能是一种解决方案。然而，到目前为止，还不知道合成创建的参考字符串是否适合训练用于引文解析的机器学习算法。为了找到答案，我们训练了Grobid，它使用了条件随机场，a）来自"真实"书目的人工标记的参考字符串，b）从GIANT数据集合成创建的参考字符串。我们发现，合成和有机参考字符串同样适用于训练Grobid（F1 = 0.74）。我们还发现，重新训练Grobid对其性能有显着影响，无论是合成数据还是真实数据（F1中为+30%）。在训练过程中尽可能多地使用标记字段也可以提高有效性，即使这些字段在评估数据中不可用（+13.5%F1）。我们的结论是，合成数据是适合训练（深）引文分析模型。我们进一步建议，在未来的评估参考解析器的评估数据相似和不相似的训练数据应用于更有意义的评估。
2020-04-25 cs.IR cs.LG stat.ML
Citation Recommendation for Research Papers via Knowledge Graphs
学术论文的引文推荐是一项有价值的工作，它可以通过推荐相关的工作来帮助研究者提高工作质量。目前，这项任务的方法主要依赖于论文的文本和引文网络。在本文中，我们建议利用一个额外的信息源，即研究知识图谱（KG），互联研究论文的基础上提到的科学概念。我们的实验结果表明，从研究幼儿园与现有的国家的最先进的方法的信息相结合是有益的。STM-KG（STM：科学，技术，医学），这是一个自动填充的知识图谱的基础上，从十个领域的论文中提取的科学概念的实验结果。所提出的方法优于最先进的技术，前50个检索结果的平均精度为20.6%（+0.8）。
2021-06-10 cs.DL cs.IR
Directed Criteria Citation Recommendation and Ranking Through Link Prediction
S&P Global（标普全球）
本文提出利用基于Transformer的图嵌入进行链路预测，以自动推荐和排序与新文档相关的引文，实验表明其语义表示优于其他基于内容的方法。
2024-03-18 cs.IR cs.LG cs.SI
A New Citation Recommendation Strategy Based on Term Functions in Related Studies Section
目的：研究者在撰写科技论文时经常遇到以下问题：（1）选择合适的引文来支持研究思路是一个挑战。(2)文献综述没有广泛进行，这导致了对一个研究问题的研究，其他人已经很好地解决。本研究旨在应用引文语境的术语功能，在相关研究中进行引文推荐，从而提高文献综述的写作效率。设计/方法/方式：我们提出了九项功能，三个新创建的和六个从现有文献中确定。使用这些术语功能作为标签，我们注释了三个主题的531篇研究论文，以评估我们提出的推荐策略。BM 25和带VSM的Word 2 vec被实现为该建议的基线模型。然后应用函数信息来提高性能。调查结果：实验结果表明，基于词项函数的方法在查全率、查准率和F1分数方面优于基线方法，表明词项函数在识别有价值的引文方面是有用的。研究局限性：数据集是不够的，由于注释引用功能的相关研究部分的段落的复杂性。应该执行更新的深度学习模型，以在未来验证所提出的方法。实际影响：引文推荐策略可以帮助有价值的引文发现、语义科学检索和自动生成文献综述。创意/价值：基于引文函数的引文推荐可以为用户生成对结果的直观解释，提高了推荐系统的透明度、说服力和有效性。
2021-05-02 cs.IR
Authority, Truth, and Citation Bias: A Large-Scale Multi-Domain Benchmark for Studying Epistemic Susceptibility in Large Language Models
University of California, Berkeley（加州大学伯克利分校）
提出AuthorityBench基准，通过2x2因子设计隔离引文权威信号对LLM认知行为的影响，发现引文存在（无论真假）均提高幻觉率，真声明搭配假引文时幻觉率上升3-22个百分点。
2026-06-12 cs.LG
Modeling citation worthiness by using attention-based bidirectional long short-term memory networks and interpretable models
School of Information Management, Nanjing University（南京大学信息管理学院）；School of Information Studies, Syracuse University（雪城大学信息研究学院）
本文提出融合注意力与上下文信息的 BiLSTM 引用必要性检测模型，构建大规模 PMOA-CITE 数据集，并结合可解释模型分析引用语言，在 ACL-ARC 和 PMOA-CITE 上取得先进结果。
2024-05-20 cs.CL cs.LG
Usage-based vs. Citation-based Methods for Recommending Scholarly Research Articles
学术数字图书馆中的协同过滤器有两个主要的数据源：从收集大量分布式Open URL Web日志中获得的使用数据和从期刊文章中获得的引用数据。本研究探讨了这两种方法的实现所产生的建议的特点：'bX'系统的ExLibris和实验性的基于引用的推荐，Sarkanto。每个系统的推荐根据它们与用于生成它们的种子文章的语义相似性进行比较。由于两个系统中的所有推荐文献均未提供全文，因此种子文献与推荐文献之间的语义相似性被视为发表文献的期刊之间的语义距离。期刊之间的语义距离是根据该期刊中可用文章全文中所有术语之间的“语义向量”距离计算的，这项研究表明，基于引用的推荐比基于使用的推荐在语义上更加多样化。这些推荐器是互补的，因为大多数时候，当一个推荐器产生推荐时，另一个推荐器不产生推荐。
2013-03-29 cs.DL cs.IR
Temporal Graph Neural Network-Powered Paper Recommendation on Dynamic Citation Networks
Southern Methodist University（南卫理公会大学）
针对静态方法难以捕捉论文间动态影响的问题，提出基于时序图神经网络（TGN）和RNN记忆模块的论文推荐方法，通过持续更新论文嵌入预测未来参考影响，在313,278篇论文数据集上验证了有效性。
2024-08-27 cs.IR cs.LG
Chronological Citation Recommendation with Time Preference
Nanjing University of Science and Technology（南京理工大学）；Indiana University Bloomington（印第安纳大学伯明顿分校）
引文推荐是一项重要的工作，以帮助学者找到候选文献引用。传统的研究主要集中在静态的引文推荐模型上，这些模型没有明确区分论文之间由时间变化引起的差异。尽管如此，一些研究者已经通过添加时间相关函数或动态建模文本主题来研究按时间顺序的引文推荐。这些解决方案很难应付功能泛化或冷启动问题时，没有信息的用户分析或有孤立的论文从未被引用。随着科学范式的兴衰，科学主题往往会随着时间的推移而变化和演变。人们在引用论文时会有时间偏好，因为大多数理论基础存在于旧时代发表的经典读物中，而新技术则是在最近的论文中提出的。为了探索时序引文推荐，本文试图预测基于用户查询的时间偏好，即在不同时间片上发表的论文被引用的概率分布。然后，我们使用这个时间偏好重新排名的初始引文列表获得基于内容的过滤。实验结果表明，时间偏好可以进一步提高任务性能，并且可以灵活地添加到其他引文推荐框架中。
2021-01-19 cs.CL cs.IR
Deep learning-based citation recommendation system for patents
Konkuk University（建国大学）；TEAMLAB；Gachon University（嘉泉大学）
在这项研究中，我们解决了开发一个基于深度学习的自动专利引文推荐系统的挑战。虽然基于深度学习的推荐系统在各个领域（如电影、产品和论文引用）都表现出了出色的性能，但由于缺乏免费提供的高质量数据集和相关基准模型，它们在专利引用中的有效性尚未得到研究。为了解决这些问题，我们提出了一个名为PatentNet的新数据集，其中包括来自Google Big Query服务的大约110，000项专利的文本信息和元数据。此外，我们提出了强大的基准模型，考虑到文本信息和元数据（如合作专利分类代码）的相似性。与现有的推荐方法相比，所提出的基准方法在测试集上实现了0.2377的平均倒数排名，而现有的最先进的推荐方法实现了0.2073。
2020-10-21 cs.AI cs.CL cs.IR
ILCiteR: Evidence-grounded Interpretable Local Citation Recommendation
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
ILCiteR提出基于证据的局部引文推荐任务，利用远距离监督检索与重排序框架，无需模型训练即可推荐论文，增强可解释性。
2024-03-13 cs.CL cs.IR
Citation Recommendation on Scholarly Legal Articles
Istanbul Technical University（伊斯坦布尔理工大学）
本研究构建首个学术法律引文推荐数据集，发现BM25+预取与SciNCL重排序的两步法最优，将MAP@10从0.26提升至0.30，并强调微调时纳入法律数据的重要性。
2023-11-10 cs.CL cs.IR
Recommendation on Academic Networks using Direction Aware Citation Analysis
文献检索一直是学术研究的重要组成部分。它大大有助于提高研究过程和产出的质量，并提高研究人员对科学作出新贡献的效率。随着发表论文的数量逐年增加，即使在今天的搜索引擎的帮助下，手动搜索也变得更加详尽，因为它们不是专门用于这项任务的。在学术界，两篇相关的论文并不总是必须共享关键词，相互引用，甚至在同一领域。虽然一个著名的文件通常是一个容易的祈祷在这样的狩猎，相关文件使用不同的术语，特别是最近的，是不明显的眼睛。在这项工作中，我们提出了论文推荐算法，利用论文之间的引用信息。所提出的算法是方向感知的，在这个意义上，他们可以调整，以找到最近或传统的文件。该算法需要一组论文作为输入，并推荐一组相关的论文。如果用户想要对建议的论文集给出负面或正面的反馈，则改进推荐。在这个意义上，可以通过相关反馈容易地引导搜索过程。我们表明，这种轻微的指导有助于用户以更有效的方式达到所需的文件。我们还调整了我们的模型和算法，用于场地和评论者推荐任务。通过与文献中的多个基线和算法进行比较，对模型和算法的准确性进行了全面评估，这些基线和算法针对引用、地点和审稿人推荐任务的几个目标。所有这些算法都是在一个公开可用的Web服务框架（http：//theparsor.osu.edu/）中实现的，该框架目前使用来自DBLP和CiteSeer的数据来构建所提出的引文图。
2012-05-05 cs.DL cs.IR
No Stupid Questions: An Analysis of Question Query Generation for Citation Recommendation
本文利用 GPT-4o-mini 生成问题作为引文推荐检索查询，并提出 MMR-RBO 筛选可媲美关键词基线的问题，证明问题查询可带来独特且有时更优的检索结果。
2025-06-09 cs.DL cs.IR
Paragraph-level Citation Recommendation based on Topic Sentences as Queries
University of Zagreb, Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算学院）；Text Analysis and Knowledge Engineering Lab（文本分析与知识工程实验室）
提出段落级引文推荐任务作为全局和局部CR的折中方案，以主题句为输入，使用四元组损失微调模型并在ACL数据集上取得优于基线的性能。
2023-05-20 cs.CL cs.IR
Paper2vec: Citation-Context Based Document Distributed Representation for Scholar Recommendation
由于研究论文的参考文献的可用性和论文中包含的丰富信息，各种引文分析方法被提出来识别相似的文献，以供学者推荐。尽管以前的方法取得了成功，但是它们是基于项目的共现。一旦文档中没有可用的同现项，它们将无法正常工作。受自然语言处理文献中词的分布式表示的启发，提出了一种基于论文引用上下文的分布式表示的论文相似度度量方法。我们将论文集视为词汇表，定义论文的加权引用上下文，并将其转换为类似于自然语言处理中词-词共现矩阵的权重矩阵。在此之后，我们探索了一种矩阵分解方法的变体，训练分布式表示的矩阵上的论文，并利用分布式表示来衡量论文的相似性。在实验中，我们表明，我们的方法优于国家的最先进的引用为基础的方法的25%，比其他分布式表示为基础的方法。
2017-03-20 cs.IR
Using Access Data for Paper Recommendations on ArXiv.org
本论文主要探讨如何利用存取记录资料作为资讯来源，以辨识相关的科技论文。这是为arXiv.org完成的，该网站是物理学多个领域电子印刷出版物的权威机构。与引文信息相比，访问日志具有立即可用的优势，无需手动或自动提取引文图。正因为如此，一个主要的焦点是这个问题，用户行为在多大程度上可以作为显式元数据的替代品，这可能是昂贵的或完全不可用。因此，我们比较访问，内容和基于引用的措施的相关性在不同的推荐任务。最后，建立了一个在线推荐系统，可以帮助科学家找到更多的相关文献，而不必主动搜索。
2007-04-23 cs.DL cs.IR
Citation Recommendations Considering Content and Structural Context Embedding
近年来，发表的学术论文数量呈指数级增长，推荐足够的引文以帮助研究人员撰写论文是一项重要的任务。传统的方法可能不是最佳的，因为推荐的论文可能已经为用户所知，或者仅仅与周围的背景相关，而不是手稿中讨论的其他想法。在这项工作中，我们提出了一种新的嵌入算法DocCit2Vec，随着“结构上下文”的新概念，以解决上述问题。所提出的方法在旨在模拟实际使用场景的广泛实验中表现出优于基线模型的性能。
2020-01-08 cs.IR
LLM-powered Real-time Patent Citation Recommendation for Financial Technologies
Central University of Finance and Economics（中央财经大学）；Harbin Huiwen JetCreate Artificial Intelligence Technology Co., Ltd.（哈尔滨汇文捷创人工智能科技有限公司）；Beijing International Center for Mathematical Research (BICMR), Peking University（北京大学北京国际数学研究中心）
本研究提出基于大语言模型的实时金融专利引用推荐框架，通过增量索引策略提升动态专利系统的检索效率和准确性。
2026-01-23 cs.IR stat.AP
Large-scale Evaluation of Transformer-based Article Encoders on the Task of Citation Recommendation
Faculty of Electrical Engineering and Computing, University of Zagreb（萨格勒布大学电气工程与计算学院）
最近推出的基于transformer的文章编码器（TAE）旨在为相互相关的科学文章产生类似的矢量表示，在科学文章推荐的基准数据集上表现出强大的性能。然而，现有的基准数据集主要集中在单个领域，并且在某些情况下，在小的候选池中包含容易的否定。在候选库中有数千篇文章的情况下，评估此类基准的表示可能会模糊TAE的实际性能。在这项工作中，我们评估TAE的大型基准更具挑战性的候选池。我们比较了TAE的性能与词汇检索基线模型BM 25的引用推荐的任务，该模型产生一个列表的建议，在给定的输入文章中引用。我们发现，BM 25与最先进的神经检索器相比仍然具有很强的竞争力，考虑到TAE在小基准上的强劲表现，这一发现令人惊讶。为了弥补现有基准的局限性，我们提出了一个新的基准数据集来评估科学文章的表示：多领域引文推荐数据集（MDCR），它涵盖了不同的科学领域，并包含具有挑战性的候选池。
2022-09-12 cs.CL cs.IR
Recommending Multiple Positive Citations for Manuscript via Content-Dependent Modeling and Multi-Positive Triplet
Kyoto University（京都大学）
随着学术论文数量的迅速增加，寻找和引用合适的参考文献已成为论文发表过程中不可或缺的一项任务。在论文发表前，推荐少数候选论文，可以减轻作者的负担，并帮助审稿人检查引用资源的完整性。传统的引文推荐方法通常考虑从输入手稿中为查询上下文推荐一个地面实况引文，但缺乏对共引推荐的考虑。然而，一段上下文往往需要两个或更多的共引对的支持。本文提出了一种新的科技论文引文推荐模型--多正BERT引文推荐模型（MP-BERT 4CR），该模型遵循一系列多正三元组目标，为查询上下文推荐多个正引文。所提出的方法具有以下优点：首先，提出的多个积极目标是有效的推荐多个积极的候选人。其次，采用基于历史共引频率构建的噪声分布，使MP-BERT 4CR不仅能有效推荐高频共引对，而且能显著提高检索低频共引对的性能。第三，我们提出了一个动态的上下文采样策略，捕捉“宏观”的引用意图从手稿和授权的引用嵌入内容相关，这使得算法，以进一步提高性能。单个和多个积极推荐实验证明，MP-BERT 4CR提供了显着的改善。此外，MP-BERT 4CR在检索共引的完整列表以及与先前作品相比历史上低频率的共引对方面也是有效的。
2021-11-25 cs.AI cs.IR
Context-Aware Legal Citation Recommendation using Deep Learning
Carnegie Mellon University（卡内基梅隆大学）；Stanford University（斯坦福大学）；Technical University of Munich（慕尼黑工业大学）；SINC GmbH（SINC有限公司）
律师和法官花了大量的时间研究适当的法律权威引用，而起草决定。在本文中，我们开发了一个引文推荐工具，可以帮助提高效率的过程中的意见起草。我们训练了四种类型的机器学习模型，包括基于引用列表的方法（协同过滤）和三种基于上下文的方法（文本相似性、BiLSTM和RoBERTa分类器）。我们的实验表明，利用本地文本上下文可以提高推荐，并且深度神经模型可以实现不错的性能。我们发现，非深度文本为基础的方法受益于访问结构化的情况下元数据，但深度模型只受益于这样的访问时，预测从上下文的长度不足。我们还发现，即使经过广泛的训练，RoberTa也没有优于递归神经模型，尽管它有预训练的好处。我们对RoBERTa模型的行为分析进一步表明，预测性能在时间和引用类别上是稳定的。
2021-06-20 cs.CL cs.IR
Dual Attention Model for Citation Recommendation
Kyoto University（京都大学）
基于呈指数级增长的学术文章数量，发现和引用全面和适当的资源已成为一项不平凡的任务。传统的引文推荐方法存在严重的信息丢失问题。例如，他们不考虑用户正在撰写的论文的哪一部分，他们需要找到引用，本地上下文中单词之间的相关性（描述引用的文本跨度），或者本地上下文中每个单词的重要性。这些缺点使得这些方法不足以推荐足够的引用学术手稿。在这项研究中，我们提出了一种新的嵌入式神经网络称为“双重注意力模型的引文推荐（DACR）”，在稿件准备过程中推荐引文。我们的方法适应嵌入的三个维度的语义信息：在本地上下文中的单词，结构上下文，和用户正在工作的部分。设计了一个神经网络来最大化三个输入（局部上下文词、章节和结构上下文）的嵌入与出现在上下文中的目标引文之间的相似性。神经网络的核心由自我注意和附加注意组成，前者旨在捕捉语境词和结构语境之间的相关性，后者旨在学习它们的重要性。在真实数据集上的实验证明了该方法的有效性。
2020-12-03 cs.AI cs.CL cs.IR
CiteBART: Learning to Generate Citations for Local Citation Recommendation
Computer Engineering Department（计算机工程系）
CiteBART通过引文特定预训练生成引文，其全局变体在局部引文推荐基准上取得最优性能，并展现出跨数据集泛化能力。
2025-10-14 cs.AI cs.CL cs.IR
Cross-language Citation Recommendation via Hierarchical Representation Learning on Heterogeneous Graph
Sun Yat-sen University（中山大学）；Peking University（北京大学）；Beijing Normal University（北京师范大学）；Alibaba Group（阿里巴巴集团）；Indiana University Bloomington（印第安纳大学伯明顿分校）
随着学术出版物数量的疯狂增长，在大型数字图书馆中访问和消费有用的候选论文正成为学者们的一项重要而具有挑战性的任务。不幸的是，由于语言障碍，一些科学家（特别是不掌握其他语言的初级科学家或研究生）无法有效地找到托管在外语库中的出版物。在这项研究中，我们提出了一种新的解决方案，跨语言的引文推荐通过层次表示学习异构图（HRLHG），以解决这个新问题。HRLHG可以通过将多语言存储库中的出版物映射到异构图上各种顶点和关系的低维联合嵌入空间来学习表示函数。通过利用全局（特定于任务）和局部（独立于任务）信息以及一种新的监督分层随机游走算法，所提出的方法可以通过最大化在图上定位重要的跨语言邻域的可能性来优化发布表示。实验结果表明，该方法不仅优于现有的基准模型，而且提高了跨语言引文推荐任务中表示模型的可解释性。
2018-12-31 cs.CL cs.IR
MasterSet: A Large-Scale Benchmark for Must-Cite Citation Recommendation in the AI/ML Literature
Northern Illinois University（北伊利诺伊大学）；Rochester Institute of Technology（罗切斯特理工学院）；Texas Christian University（德克萨斯基督教大学）；Texas A&M University–Corpus Christi（德克萨斯农工大学科珀斯克里斯蒂分校）
MasterSet是一个用于评估AI/ML领域必须引用推荐的大型基准，包含15万+论文，采用三级标注方案，通过稀疏检索、密集嵌入和图方法验证，证明必须引用检索仍为开放性难题。
2026-08-25 cs.IR
Large language models for post-publication research evaluation: Evidence from expert recommendations and citation indicators
Australian Artificial Intelligence Institute, Faculty of Engineering and Information Technology, University of Technology Sydney（澳大利亚人工智能研究所，工程与信息科技学院，新南威尔士大学）；Max Planck Institute for Solid State Research（马克斯·普朗克固体物理研究所）；Science Policy and Strategy Department, Administrative Headquarters of the Max Planck Society（马克斯·普朗克学会科学政策与战略部门，行政总部）
本文探讨大语言模型在发表后同行评审中的应用，通过专家判断和引用指标对比，发现其在粗粒度评估中表现良好，但在细粒度评分上效果下降，监督微调效果最佳。
2026-03-27 cs.AI cs.DL cs.IR
Towards Finding Non-obvious Papers: An Analysis of Citation Recommender Systems
随着科学的进步，学术界发表了数百万篇研究论文。研究人员在撰写论文或只是为了跟上当前的研究时，会花费时间和精力搜索相关的手稿。在本文中，我们考虑的问题，通过扩展一组已知的相关参考文献的引文推荐。我们的分析表明，被引论文的程度所导致的子图，称为投影图的论文引用，遵循幂律分布。现有的流行方法只擅长发现长尾论文，即那些与其他论文高度相关的论文。换句话说，大多数被引用的论文在投影图中是松散连接的，但它们不会被现有的方法发现。为了解决这个问题，我们建议结合作者，地点和关键字信息来解释这些松散连接的论文背后的引用行为。结果表明，不同的方法发现被引论文具有广泛的不同属性。我们建议多个推荐列表，通过不同的算法，可以满足不同的用户为一个真正的引文推荐系统。此外，我们还探讨了快速局部逼近的组合方法，以提高效率。
2018-12-29 cs.DL cs.IR cs.SI
A Scalable Hybrid Research Paper Recommender System for Microsoft Academic
Microsoft Research（微软研究院）
我们提出的设计和方法的大规模混合论文推荐系统使用的微软学术。该系统为大约1.6亿篇英文研究论文和专利提供建议。我们的方法处理不完整的引用信息，同时也减轻了冷启动问题，往往会影响其他推荐系统。我们使用Microsoft Academic Graph（MAG），标题和研究论文的可用摘要为所有文档构建推荐列表，从而结合了共引和基于内容的方法。调整系统参数还允许混合和优先考虑每种方法，这反过来又允许我们在推荐结果中平衡论文的新颖性和权威性。我们通过对40名参与者的用户研究评估了生成的推荐，对超过2400个推荐对进行了评分，并使用P@10和nDCG分数讨论了结果的质量。我们看到，有一个很强的相关性，参与者的分数和相似性排名由我们的系统，但额外的重点需要放在提高推荐精度，特别是基于内容的建议。用户调查的结果和相关的分析脚本通过GitHub提供，我们的系统产生的建议可作为Azure上MAG的一部分，以促进进一步的研究并点亮新的研究论文推荐应用程序。
2019-05-21 cs.DL cs.IR cs.LG
Diversifying Citation Recommendations
文献检索可以说是学术研究和非学术研究中最重要的环节之一。每年发表的论文数量的增加使得人工搜索效率低下，而且不足。因此，自动化的方法，如搜索引擎已在过去的三十年感兴趣。不幸的是，这些传统的引擎使用基于关键字的方法来解决搜索问题，但这些方法容易产生歧义和同义词。另一方面，仅基于引文信息的书目检索技术不容易出现这些问题，因为它们不考虑文本相似性。对于许多特定的研究领域和主题，人类的知识量是巨大的，获得所需的信息就像大海捞针一样困难。此外，有时，我们正在寻找的是一组文件，其中每个文件都与其他文件不同，但同时，作为一个整体，我们希望它们涵盖与我们搜索相关的文献的所有重要部分。本文针对引文检索中的结果多样化问题进行了研究。它调查了一套技术，旨在找到一套具有令人满意的质量和多样性的文件。我们通过方向感知功能增强了这些算法，以允许用户访问旧的、被广泛引用的、知名的研究论文或最近的、不太知名的论文。我们还提出了一套新的技术，更好地多样化的结果。所有考虑的技术进行了比较，通过执行一个严格的实验。结果表明，所提出的一些技术是非常成功的，在实践中进行检索的书目数据库。
2012-09-26 cs.DL cs.IR cs.SI
SymTax: Symbiotic Relationship and Taxonomy Fusion for Effective Citation Recommendation
IIIT Delhi（德里印度信息技术学院）；NSUT Delhi（德里国家科技大学）
提出三阶段引文推荐架构SymTax，结合局部与全局上下文及查询-候选元组的分类法与共生关系，在双曲空间计算相似度，并在多个数据集上显著超越SOTA。
2024-05-26 cs.AI cs.CL cs.IR
TRACE: Tourism Recommendation with Accountable Citation Evidence
UNSW Sydney（新南威尔士大学悉尼分校）；University of Adelaide（阿德莱德大学）；Yonsei University（延世大学）；USTC（中国科学技术大学）
TRACE通过多轮对话结合评论引用和显式拒绝机制，解决旅游推荐中信任、可验证性和适应性问题，提出三项能力差距并验证评估方法。
2026-05-08 cs.AI cs.CL cs.IR
The Role of Positive and Negative Citations in Scientific Evaluation
客观地量化科学论文的影响对于研究产出评估至关重要，这随后会影响机构和国家排名、研究资金分配、学术招聘和国家/国际科学优先事项。虽然大多数基于出版物引用的评估方案可能会通过负面引用进行操纵，但在这项研究中，我们探讨了利益冲突（COI）关系，发现了负面引用，并随后削弱了相关的引用强度。PANDORA（Positive And Negative COI- Distinguished Objective Rank Algorithm）是一种识别阳性和阴性COI的算法，它可以识别阳性和阴性COI，以及阳性和阴性可疑COI关系。为了减轻负COI关系对引文强度的影响，采用合作次数、合作时间跨度、被引次数和被引时间跨度等指标对引文强度进行判定;对于正COI关系，则将其视为正常的引文关系。此外，我们计算的学术论文的影响力的PageRank和HITS算法的基础上，信用分配算法，这是用来评估机构的影响力公平和客观的。在美国物理学会（APS）数据集上进行的实验表明，该方法在top-K时列表R的推荐强度和top-K时Spearman秩相关系数方面明显优于现有方法.
2020-08-10 cs.DL cs.IR
Recommendations for Item Set Completion: On the Semantics of Item Co-Occurrence With Data Sparsity, Input Size, and Input Modalities
我们解决的问题，推荐相关的项目给用户，以“完成”一组部分的项目已经知道。我们考虑两种情况下的引用和主题标签推荐，这类似于不同的语义项目共现：相关性的共引和主题标签的多样性。我们评估了一个已知的部分项目集的完整性对推荐性能的影响。我们还调查数据稀疏通过修剪参数和使用额外的元数据的影响。作为推荐模型，我们专注于不同的自动编码器，它们特别适合于重建集合中缺失的项目。我们扩展了自动编码器，以利用文本和结构化数据的多模态输入。我们在六个真实世界数据集上的实验表明，当项目同现类似于相关性时，提供部分项目集作为输入是有帮助的，而元数据在同现意味着多样性时是有效的。这一结果意味着项目共现的语义是一个重要因素。简单项目共现模型是引文推荐的一个强有力的基线。然而，自动编码器的优势在于能够利用除了部分项集之外的附加元数据作为输入，并实现相当的性能。对于主题标签推荐任务，标题是最重要的属性。添加更多的输入模态有时甚至会损害结果。总之，关键是要考虑的语义项共现选择一个合适的推荐模型，并仔细决定哪些元数据利用。
2021-05-10 cs.IR
Public Profile Matters: A Scalable Integrated Approach to Recommend Citations in the Wild
Indraprastha Institute of Information Technology Delhi (IIIT-Delhi)（印度理工学院德里分校）
本文提出Profiler模块，通过高效捕捉人类引用行为提升候选检索效率，并引入诱导评估设置和DAVINCI模型，实现跨数据集的最优性能。
2026-04-14 cs.AI cs.CL cs.IR
Scientific Dataset Discovery via Topic-level Recommendation
数据密集型研究需要适当的数据集的支持。然而，发现与特定研究主题相匹配的可用数据集通常是耗时的。我们制定的数据集发现问题的属性异构图，这是由论文论文引用，论文数据集引用，以及论文内容。我们建议通过共同共享的潜在主题来表征论文和数据集节点，而不是通过规范图嵌入模型来学习用户和项目表示，因为数据集的使用和研究项目的主题可以在研究主题的共同基础上理解。然后可以在共享主题空间中推断与给定研究项目相关的数据集。实验结果表明，该模型能够为数据集生成合理的配置文件，并为查询推荐合适的数据集，这代表了一个与多篇论文相关的研究项目。
2021-06-07 cs.IR
Academic Article Recommendation Using Multiple Perspectives
本文提出学术推荐中基于内容的过滤与基于图的方法互补，通过分析二者九个差异及混合协同机会，并用 Specter 和 ProNE 两种嵌入加以说明。
2024-07-08 cs.IR
Evaluating Document Representations for Content-based Legal Literature Recommendations
Open Legal Data（开放法律数据）；German Research Center for Artificial Intelligence（德国人工智能研究中心）；ETH Zurich（苏黎世联邦理工学院）；University of Wuppertal（伍珀塔尔大学）
推荐系统帮助法律专业人士找到相关文献来支持他们的案件。尽管它的重要性的专业，法律应用并没有反映在推荐系统和表示学习研究的最新进展。同时，法律推荐系统通常在没有任何公共基准数据集的情况下在小规模用户研究中进行评估。因此，这些研究的重现性有限。为了解决研究与实践之间的差距，我们探索了一套国家的最先进的文件表示方法检索语义相关的美国判例法的任务。我们评估基于文本的（例如，fastText、Transformers）、基于引用的（例如，DeepWalk，Poincaré）和混合方法。我们使用两种银标准对2，964份文件进行了注释，共比较了27种方法。银标准是从Open Case Book和Wikispecies新创建的，可以在开放许可下重复使用，以促进可重复性。我们的实验表明，来自平均fastText单词向量（在法律语料库上训练）的文档表示产生了最好的结果，紧随其后的是庞加莱引用嵌入。以混合方式组合fastText和Poincaré进一步改善了整体结果。除了整体性能外，我们还根据文档长度，引用计数和建议的覆盖范围分析了这些方法。我们在https://github.com/malteos/legal-document-similarity/上公开我们的源代码、模型和数据集。
2021-04-28 cs.CL cs.IR
Assigning credit to scientific datasets using article citation networks
引文是一种行之有效的连接科学作品的机制。引文网络用于引文分析有多种原因，突出的是对科学家工作的肯定。然而，由于目前的引用实践，科学家倾向于只引用出版物，而忽略其他类型的工件，如数据集。数据集没有得到适当的信任，即使它们越来越多地被重用和试验。我们开发了一个网络流量测量，称为DataRank，旨在解决这个差距。DataRank根据引文如何流经图表，为网络中的每个节点分配一个相对值，区分出版物和数据集流量。我们通过估计DataRank在预测真实数据集使用方面的准确性来评估其质量：对GenBank的网络访问和Figshare数据集的下载。我们表明，DataRank是更好地预测这种使用相比，替代品，同时提供额外的可解释的结果。我们讨论了对引用行为和算法的改进，以正确地跟踪和分配信贷数据集。
2020-01-16 cs.IR
Utilizing Out-Domain Datasets to Enhance Multi-Task Citation Analysis
German Research Center for Artificial Intelligence (DFKI) GmbH（德国人工智能研究中心（DFKI）有限责任公司）；TU Kaiserslautern（凯泽斯劳滕工业大学）
引文通常只使用定量指标进行分析，而不包括情感和意图等定性方面。然而，定性方面提供了更深入的了解科学研究工件的影响，并使其能够专注于相关文献，而不受与定量方面相关的偏见。因此，可以根据他们的情绪和意图对论文进行排名和分类。为此，需要更大的引用情感数据集。然而，从时间和成本的角度来看，管理大型引用情感数据集是一项具有挑战性的任务。特别是，引文情感分析遭受数据稀缺和数据集注释的巨大成本。为了克服引文分析领域数据稀缺的瓶颈，我们在训练过程中探索域外数据的影响，以提高模型的性能。我们的研究结果强调使用不同的调度方法的基础上的用例。我们根据经验发现，使用顺序数据调度训练的模型更适合于特定领域的用例。相反，混洗数据馈送在跨域任务上实现了更好的性能。基于我们的研究结果，我们提出了一个端到端的可训练多任务模型，该模型涵盖了情感和意图分析，利用域外数据集来克服数据稀缺性。
2022-02-22 cs.AI cs.DL cs.IR
Recommending Missed Citations Identified by Reviewers: A New Task, Dataset and Baselines
本文定义审稿人识别遗漏引文推荐任务 RMC，构建专家标注数据集 CitationR，并提出带注意力参考文献编码器的 RMCNet，在全部指标上优于现有方法。
2024-03-04 cs.IR
Multi-Disciplinary Dataset Discovery from Citation-Verified Literature Contexts
L3S Research Center（L3S研究所以）
本文提出了一种基于文献引用上下文的数据集发现方法，通过结合大规模引用提取、模式引导识别和大型语言模型，实现了比现有搜索引擎更高的召回率，并揭示了额外高实用性的数据集。
2026-01-08 cs.CL cs.DL cs.IR
Article citation study: Context enhanced citation sentiment detection
Pondicherry University（本地治里大学）；HCL Technologies Ltd.（HCL技术有限公司）；IDRBT（印度银行技术研究所）；University at Buffalo（布法罗大学）
引文情感分析是科学计量学研究较少的课题之一。对于引文分析，我们开发了八个包含引文句子的数据集，这些数据集由我们手动注释为三种情感极性，即积极，消极和中性。在八个数据集中，三个是考虑到引文的整个背景而开发的。此外，我们提出了一个集成的特征工程方法，包括词嵌入获得的文本，词性标记，和依赖关系在一起。集成特征被认为是基于深度学习的引文情感分类方法的输入，进而与词袋方法进行比较。实验结果表明，深度学习是有用的，为更大的样本数量，而支持向量机是较小的样本数量的赢家。此外，基于上下文的样本被证明是更有效的引用情感分析比无上下文的样本。
2020-05-10 cs.CL cs.DL cs.IR
A Qualitative Evaluation of User Preference for Link-based vs. Text-based Recommendations of Wikipedia Articles
文献推荐系统（LRS）帮助读者从大量的文献中发现相关内容。尽管LRS被广泛采用，但缺乏对基于内容的文献推荐的根本不同方法的用户感知推荐特征的研究。为了补充现有的定量研究文献推荐，我们提出了定性研究结果，报告用户的看法，两个对比的推荐类：（1）基于链接的推荐表示的共同引用接近（CPA）的方法，和（2）基于文本的推荐表示的Lucene的MoreLikeThis（MLT）算法。在我们的研究与20个用户和一组不同的40个维基百科文章的经验数据分析表明，基于文本和链接的推荐生成方法沿几个关键维度之间的显着差异。基于文本的MLT方法在推荐文章的用户感知相似性方面获得了更高的满意度。相比之下，CPA方法在推荐的多样性和偶然性方面获得了更高的满意度分数。我们的结论是，文献推荐系统的用户可以受益最多的混合方法，结合链接和基于文本的方法，用户的信息需求和偏好应该控制权重的方法。在混合推荐系统中使用的多种方法的最佳权重高度依赖于用户的变化的需求。
2021-09-16 cs.DL cs.IR
Towards Fine-Grained Citation Evaluation in Generated Text: A Comparative Analysis of Faithfulness Metrics
University of Amsterdam（阿姆斯特丹大学）；University of Copenhagen（哥本哈根大学）；Centrum Wiskunde & Informatica（数学与计算机科学中心）
针对LLM生成文本引用支持度评估局限于二元分类的问题，提出对比评估框架，通过相关性、分类和检索评估分析忠实度指标在完全、部分和无支持三类细粒度场景的表现，发现无单一指标始终最优，并给出改进建议。
2024-08-23 cs.CL cs.IR
PatSTEG: Modeling Formation Dynamics of Patent Citation Networks via The Semantic-Topological Evolutionary Graph
提出 PatSTEG 联合语义-拓扑演化图学习方法，建模专利引用网络形成动态，在 CNPat 和公开数据集上验证其优于现有方法。
2024-02-03 cs.DL cs.IR
A multiple k-means cluster ensemble framework for clustering citation trajectories
National Institute of Technology, Durgapur（杜尔加普尔国家理工学院）；Dr. B.C. Roy Engineering College, Durgapur（杜尔加普尔Dr. B.C.罗伊工程学院）
本文提出一种基于特征的多重k-means聚类集成框架，解决了引用轨迹因非线性和非平稳特性难以聚类的问题，能够有效识别短期与长期内的多种引用模式。
2023-09-10 cs.DB cs.DL cs.IR
