Beyond original Research Articles Categorization via NLP

要約

この研究は、自然言語処理技術を使用して、科学文献の文脈において未知のカテゴリに対するテキスト分類への新しいアプローチを提案しています。
この研究では、事前トレーニングされた言語モデル、特に SciBERT の力を活用して、ArXiv データセットから意味のある要約表現を抽出します。
テキストの分類は K-Means アルゴリズムを使用して実行され、最適なクラスター数はシルエット スコアに基づいて決定されます。
結果は、提案されたアプローチが従来の arXiv ラベル付けシステムよりも効果的に主題情報を取得し、テキスト分類の向上につながることを示しています。
このアプローチは、科学研究文献の急速に成長する状況において、より優れたナビゲーションおよび推奨システムの可能性をもたらします。

要約(オリジナル)

This work proposes a novel approach to text categorization — for unknown categories — in the context of scientific literature, using Natural Language Processing techniques. The study leverages the power of pre-trained language models, specifically SciBERT, to extract meaningful representations of abstracts from the ArXiv dataset. Text categorization is performed using the K-Means algorithm, and the optimal number of clusters is determined based on the Silhouette score. The results demonstrate that the proposed approach captures subject information more effectively than the traditional arXiv labeling system, leading to improved text categorization. The approach offers potential for better navigation and recommendation systems in the rapidly growing landscape of scientific research literature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google