Related Work and Citation Text Generation: A Survey

要約

研究論文の新規性を読者に納得させるために、著者は文献レビューを実施し、以前の研究を現在の研究に結び付けて関連付ける一貫したストーリーを構成する必要があります。
文献レビュー執筆のこの困難な性質により、自動関連作業生成 (RWG) は学術的および計算的に興味深いものになっており、SOTA 自然言語処理 (NLP) モデルの機能を調べるための優れたテストベッドにもなっています。
RWG タスクの最初の提案以来、主流の NLP アプローチの機能に従って、その人気は上がったり下がったりを繰り返してきました。
この作業では、RWG の歴史的作品の動物園を調査し、主要なアプローチとタスクの定義を要約し、RWG の現在進行中の課題について議論します。

要約(オリジナル)

To convince readers of the novelty of their research paper, authors must perform a literature review and compose a coherent story that connects and relates prior works to the current work. This challenging nature of literature review writing makes automatic related work generation (RWG) academically and computationally interesting, and also makes it an excellent test bed for examining the capability of SOTA natural language processing (NLP) models. Since the initial proposal of the RWG task, its popularity has waxed and waned, following the capabilities of mainstream NLP approaches. In this work, we survey the zoo of RWG historical works, summarizing the key approaches and task definitions and discussing the ongoing challenges of RWG.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google