Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Sentiment Analysis of Chinese Words Using Word Embedding and Sentiment Morpheme Matching Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Citation Based Collaborative Summarization of Scientific Publications by a New Sentence Similarity Measure

verfasst von : Chengzhe Yuan, Dingding Li, Jia Zhu, Yong Tang, Shahbaz Wasti, Chaobo He, Hai Liu, Ronghua Lin

Erschienen in: Collaborative Computing: Networking, Applications and Worksharing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Next-generation network offers unrestricted access for researchers to all kinds of scientific publications, collaborative summarization systems are now being contemplated as a service that can help researchers gain information when they read scientific articles. One way to develop a collaborative summarization system is to measure semantic similarity between sentences to improve its quality. In this paper, we introduce a new sentence similarity measure for summarizing scientific articles with citation context. Our work is based on recent work in document distance metric called the word mover’s distance (WMD). Compared to traditional similarity measures, WMD based sentence similarity measure has better performance by capturing the semantic relation between two sentences. Experiments on 2016 version of ACL Anthology Reference Corpus show that our approach outperforms several other baselines by ROUGE metrics.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Detecting Spammer Communities Using Network Structural Features
Nächstes Kapitel Exploiting User Activities for Answer Ranking in Q&A Forums
Fußnoten
Literatur
1.
Nenkova, A., McKeown, K.: Automatic summarization. Found Trends® Inf. Retr. 5(2–3), 103–233 (2011)CrossRef
2.
Khan, A., Salim, N.: A review on abstractive summarization methods. J. Theor. Appl. Inf. Technol. 59(1), 64–72 (2014)
3.
Gupta, V., Lehal, G.S.: A survey of text summarization extractive techniques. J. Emerg. Technol. Web Intell. 2(3), 258–268 (2010)
4.
Elkiss, A., et al.: Blind men and elephants: what do citation summaries tell us about a research article? J. Assoc. Inf. Sci. Technol. 59(1), 51–62 (2008)CrossRef
5.
Cohan, A., Goharian, N.: Scientific article summarization using citation-context and article’s discourse structure (2017). ArXiv preprint arXiv:​1704.​06619
6.
Chen, J., Zhuge, H.: Summarization of scientific documents by detecting common facts in citations. Future Gener. Comput. Syst. 32, 246–252 (2014)CrossRef
7.
Kusner, M., et al.: From word embeddings to document distances. In: International Conference on Machine Learning (2015)
8.
Qazvinian, V., Radev, D.R.: Scientific paper summarization using citation summary networks. In: Proceedings of the 22nd International Conference on Computational Linguistics, vol. 1. Association for Computational Linguistics (2008)
9.
Agarwal, N., et al.: Towards multi-document summarization of scientific articles: making interesting comparisons with SciSumm. In: Proceedings of the Workshop on Automatic Summarization for Different Genres, Media, and Languages. Association for Computational Linguistics (2011)
10.
Abu-Jbara, A., Radev, D.: Coherent citation-based summarization of scientific papers. In: Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies, vol. 1. Association for Computational Linguistics (2011)
11.
12.
Qazvinian, V., Radev, D.R., Özgür, A.: Citation summarization through keyphrase extraction. In: Proceedings of the 23rd International Conference on Computational Linguistics. Association for Computational Linguistics (2010)
13.
Sollaci, L.B., Pereira, M.G.: The introduction, methods, results, and discussion (IMRAD) structure: a fifty-year survey. J. Med. Library Assoc. 92(3), 364 (2004)
14.
15.
Goldberg, Y., Levy, O.: word2vec explained: deriving Mikolov et al.’s negative-sampling word-embedding method (2014). ArXiv preprint arXiv:​1402.​3722
16.
Lu, J.-F., et al.: Hierarchical initialization approach for K-Means clustering. Pattern Recognit. Lett. 29(6), 787–795 (2008)CrossRef
17.
Carbonell, J., Goldstein, J.: The use of MMR, diversity-based reranking for reordering documents and producing summaries. In: Proceedings of the 21st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. ACM (1998)
18.
Lin, C.-Y., Och, F.: Looking for a few good metrics: ROUGE and its evaluation. In: NTCIR Workshop (2004)
19.
Haghighi, A., Vanderwende, L.: Exploring content models for multi-document summarization. In: Proceedings of Human Language Technologies: The 2009 Annual Conference of the North American Chapter of the Association for Computational Linguistics. Association for Computational Linguistics (2009)
20.
Erkan, G., Radev, D.R.: Lexrank: graph-based lexical centrality as salience in text summarization. J. Artif. Intell. Res. 22, 457–479 (2004)CrossRef
21.
Steinberger, J., Křišťan, M.: LSA-based multi-document summarization. In: Proceedings of 8th International Workshop on Systems and Control (2007)
22.
Mihalcea, R., Tarau, P.: TextRank: bringing order into text. In: EMNLP (2004)
23.
Nenkova, A., Vanderwende, L.: The impact of frequency on summarization. Technical report MSR-TR-2005-101. Microsoft Research, Redmond, Washington (2005)
Metadaten
Titel
Citation Based Collaborative Summarization of Scientific Publications by a New Sentence Similarity Measure
verfasst von
Chengzhe Yuan
Dingding Li
Jia Zhu
Yong Tang
Shahbaz Wasti
Chaobo He
Hai Liu
Ronghua Lin
Copyright-Jahr
2018
Buch
Collaborative Computing: Networking, Applications and Worksharing

Print ISBN: 978-3-030-00915-1

Electronic ISBN: 978-3-030-00916-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-00916-8_62

Neuer Inhalt

    Bildnachweise