PaperWeaver: Enriching Topical Paper Alerts by Contextualizing Recommended Papers with User-collected Papers

要約

学術アーカイブの急速な成長に伴い、研究者は、以前に収集した論文に類似した最近出版された論文の推奨を定期的に提供する「論文アラート」システムに登録しています。
しかし、既存のシステムでは論文のタイトルと要約しか表示されないため、研究者は、推奨された論文と自分の研究コンテキストの間の微妙な関係を理解するのに苦労することがあります。
研究者がこれらの関連性を見つけられるように、ユーザーが収集した論文に基づいて推奨論文の文脈に応じたテキスト説明を提供する、充実した論文アラート システムである PaperWeaver を紹介します。
PaperWeaver は、大規模言語モデル (LLM) に基づく計算手法を採用して、収集した論文からユーザーの研究上の関心を推測し、論文のコンテキスト固有の側面を抽出し、これらの側面に関して推奨論文と収集論文を比較します。
当社のユーザー調査 (N=15) では、PaperWeaver を使用している参加者は、推奨論文の関連作業セクションを提示するベースラインと比較して、推奨論文の関連性をよりよく理解し、自信を持って論文のトリアージを行うことができることが示されました。

要約(オリジナル)

With the rapid growth of scholarly archives, researchers subscribe to ‘paper alert’ systems that periodically provide them with recommendations of recently published papers that are similar to previously collected papers. However, researchers sometimes struggle to make sense of nuanced connections between recommended papers and their own research context, as existing systems only present paper titles and abstracts. To help researchers spot these connections, we present PaperWeaver, an enriched paper alerts system that provides contextualized text descriptions of recommended papers based on user-collected papers. PaperWeaver employs a computational method based on Large Language Models (LLMs) to infer users’ research interests from their collected papers, extract context-specific aspects of papers, and compare recommended and collected papers on these aspects. Our user study (N=15) showed that participants using PaperWeaver were able to better understand the relevance of recommended papers and triage them more confidently when compared to a baseline that presented the related work sections from recommended papers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google