Information Retrieval,Machine Learning,بازیابی اطلاعات , یادگیری ماشین ,
توضیحات
Submitted 27 August, 2024; originally announced August 2024. , Comments: 10 pages, 4 figures, accepted by SDU@AAAI-2024. The AAAI Workshop on Scientific Document Understanding (2024)
توضیحات به فارسی
ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 10 صفحه ، 4 شکل ، توسط SDU@AAAI-2024 پذیرفته شده است.کارگاه AAAI در مورد درک اسناد علمی (2024)
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Due to the rapid growth of scientific publications, identifying all related reference articles in the literature has become increasingly challenging yet highly demanding. Existing methods primarily assess candidate publications from a static perspective, focusing on the content of articles and their structural information, such as citation relationships. There is a lack of research regarding how to account for the evolving impact among papers on their embeddings. Toward this goal, this paper introduces a temporal dimension to paper recommendation strategies. The core idea is to continuously update a paper's embedding when new citation relationships appear, enhancing its relevance for future recommendations. Whenever a citation relationship is added to the literature upon the publication of a paper, the embeddings of the two related papers are updated through a Temporal Graph Neural Network (TGN). A learnable memory update module based on a Recurrent Neural Network (RNN) is utilized to study the evolution of the embedding of a paper in order to predict its reference impact in a future timestamp. Such a TGN-based model learns a pattern of how people's views of the paper may evolve, aiming to guide paper recommendations more precisely. Extensive experiments on an open citation network dataset, including 313,278 articles from https://paperswithcode.com/about PaperWithCode, have demonstrated the effectiveness of the proposed approach.
چکیده به فارسی (ترجمه ماشینی)
با توجه به رشد سریع نشریات علمی ، شناسایی کلیه مقالات مرجع مرتبط در ادبیات به طور فزاینده ای چالش برانگیز و در عین حال بسیار خواستار شده است.روشهای موجود در درجه اول انتشارات نامزد را از منظر استاتیک ارزیابی می کنند ، با تمرکز بر محتوای مقالات و اطلاعات ساختاری آنها مانند روابط استناد.عدم تحقیق در مورد چگونگی پاسخگویی به تأثیر در حال تحول در مقالات در تعبیه آنها وجود دارد.در این هدف ، این مقاله ابعاد زمانی را به استراتژی های توصیه مقاله ارائه می دهد.ایده اصلی این است که به طور مداوم در هنگام ظاهر شدن روابط استناد جدید ، تعبیه یک مقاله را به روز کنید و ارتباط آن را برای توصیه های آینده تقویت کنید.هر زمان که یک رابطه استناد به انتشار مقاله به ادبیات اضافه شود ، تعبیه دو مقاله مرتبط از طریق یک شبکه عصبی نمودار زمانی (TGN) به روز می شود.یک ماژول به روزرسانی حافظه قابل یادگیری بر اساس یک شبکه عصبی مکرر (RNN) برای مطالعه تکامل تعبیه یک مقاله به منظور پیش بینی تأثیر مرجع آن در یک زمان بندی آینده استفاده می شود.چنین مدل مبتنی بر TGN الگویی از چگونگی تحول در دیدگاه افراد از مقاله را می آموزد ، با هدف هدایت دقیق تر توصیه های کاغذ.آزمایش های گسترده در یک مجموعه داده شبکه استناد باز ، از جمله 313،278 مقاله از https://paperswithcode.com/about paperwithcode ، اثربخشی رویکرد پیشنهادی را نشان داده است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
