來自 DBLP、ArXiv、STM 等多家學(xué)術(shù)出版機(jī)構(gòu)和平臺的數(shù)據(jù)表明，在過去 20 年間，計算機(jī)科學(xué)、物理學(xué)、統(tǒng)計學(xué)等研究領(lǐng)域的出版物總量都有大幅增加。像 CVPR、AAAI 等有關(guān)人工智能等新興領(lǐng)域的頂級會議，每年的論文接受量也已經(jīng)高達(dá)上千篇。面對雨后春筍一樣涌現(xiàn)的學(xué)術(shù)出版物和千上萬篇學(xué)術(shù)論文，任何一名研究者都不可能了解所有新領(lǐng)域，即使這一領(lǐng)域和自己的研究方向近似。

如果有一種工具，可以把一篇論文的源頭梳理清楚，就能極大地減少無效檢索的時間，快速了解一個新領(lǐng)域的發(fā)展脈絡(luò)。

在以往的研究中，計算機(jī)領(lǐng)域的相關(guān)學(xué)者提出了很多數(shù)據(jù)挖掘技術(shù)，比如概念抽取、主題演變、算法圖譜等。但是，這些數(shù)據(jù)挖掘技術(shù)更多是著眼于提煉學(xué)術(shù)文獻(xiàn)中的關(guān)鍵術(shù)語信息，研究它們之間的關(guān)系與變化，卻很少關(guān)注學(xué)術(shù)出版物本身較深層次的內(nèi)容以及關(guān)聯(lián)關(guān)系。

近日，AMiner?團(tuán)隊(duì)的碩士生殷達(dá)等人提出一種新方法——論文溯源樹（https://mrt.aminer.cn/），通過刻畫學(xué)術(shù)文獻(xiàn)的發(fā)展演變脈絡(luò)，來幫助科研人員了解前沿論文是如何演變而來的。相關(guān)研究論文“MRT: Tracingthe Evolution of Scientific Publications”已被 TKDE 2021 接收。

?“MRT 溯源樹”是一個通過構(gòu)建論文演變圖幫助學(xué)者研究論文發(fā)展的工具，目標(biāo)是研究論文中各種思路方法的演變過程。

以知名 NLP 研究論文“BERT:Pre-training of Deep Bidirectional Transformers for Language Understanding”為例，BERT 對于預(yù)訓(xùn)練模型、文本向量、序列編碼等方法的使用來源于語言模型這一方向上的 ELMo、Word2vec、LSTM 等工作中，而 MLM、Transformer 等內(nèi)容則可以追溯到機(jī)器翻譯領(lǐng)域中的 MaskGAN、Attention is all you need 等文章。

圖：BERT 論文溯源（部分）

為了生成關(guān)于 BERT 的“論文溯源樹”，研究團(tuán)隊(duì)采用了檢索，閱讀，構(gòu)圖，推理等若干步驟。

MRT 溯源樹技術(shù)原理

首先，算法將目標(biāo)論文放入諸如 SemanticScholar 或是 AMiner 這樣的開放數(shù)據(jù)源中進(jìn)行檢索，獲取其論文標(biāo)題、摘要及其引用信息，再根據(jù)引用信息擴(kuò)展出多層引用網(wǎng)絡(luò)，并采用 PageRank 算法進(jìn)行排序，篩選與目標(biāo)論文較為相關(guān)的文獻(xiàn)。

然后，算法采用 TF-IDF、Sentence-BERT 以及 ProNE 等文本編碼以及圖特征編碼方法對檢索得到的論文網(wǎng)絡(luò)進(jìn)行編碼計算，為每一篇論文生成表示向量。其中，TF-IDF 可以提取論文中表層的關(guān)鍵詞信息；Sentence-BERT 則能夠捕獲到論文中較深層的語義信息；ProNE 則將文本信息放在論文引用網(wǎng)絡(luò)中，用譜傳播的方式將鄰居節(jié)點(diǎn)論文之間的關(guān)聯(lián)性融入論文表示向量中，從而最終得到兼顧文本信息和引用結(jié)構(gòu)信息的論文向量。

另外，在此基礎(chǔ)上，算法采用了 Kernel K-means 等方法，根據(jù)生成的論文向量進(jìn)行聚類排列，連接成帶有多條“溯源路徑”的樹狀結(jié)構(gòu)；同時，針對每一類（每一條溯源路徑）中的論文，算法還采用了自動化標(biāo)注算法為其生成標(biāo)簽來概括描述這些論文的主題。Kernel K-means 算法中的核函數(shù)除了用來進(jìn)行聚類外，還被應(yīng)用于計算論文及溯源路徑對于目標(biāo)論文演變的重要性。

到這里，一棵論文溯源樹便就出生了。

圖｜論文溯源樹（Demo 地址：https://mrt.aminer.cn/5dd3de98e07b013b38cf3399）

最后，在線上用戶交互過程中，為了方便用戶在閱讀溯源樹過程中可以快速定位當(dāng)前感興趣的相關(guān)論文，算法還應(yīng)用強(qiáng)化學(xué)習(xí)設(shè)計出在線推薦模塊，根據(jù)用戶的閱讀點(diǎn)擊事件動態(tài)推薦相關(guān)論文。

此外，研究團(tuán)隊(duì)還針對上述各個步驟設(shè)計了一系列相關(guān)實(shí)驗(yàn)進(jìn)行驗(yàn)證。考慮到由于缺少標(biāo)注數(shù)據(jù)而難以直接進(jìn)行評估的問題，研究團(tuán)隊(duì)還采用了若干種間接的衡量方法從多個角度對提出方法的有效性進(jìn)行驗(yàn)證評估，并與基線算法進(jìn)行比較，最終驗(yàn)證了算法的優(yōu)越性。

目前，該算法已集成在 AMiner 學(xué)術(shù)信息挖掘系統(tǒng)中（https://mrt.aminer.cn/）。

（來源：https://mrt.aminer.cn/）

在 AMiner 網(wǎng)站上，你可以通過點(diǎn)擊想要生成溯源樹的論文右側(cè)的按鈕來提交生成申請，在排隊(duì)過后系統(tǒng)會自動搜集相關(guān)引用論文并計算生成溯源樹。

快來點(diǎn)擊原文嘗試一下吧～

總結(jié)

以上是生活随笔為你收集整理的来试试读论文的新神器！AMiner发布“论文背景文献”一键生成工具，帮你搞清一篇论文的“来龙去脉”...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。