[논문 리뷰] Augmenting Scientific Creativity with Retrieval across Knowledge Domains

Hyeonsu B Kang, Sheshera Mysore외 6명|arXiv (Cornell University)|2022. 06. 02.

Information Retrieval and Search Behavior인용 수 7

한 줄 요약

이 논문은 과학적 창의성을 향상시키기 위해 논문 초록의 특정 문장을 예시로 사용하는 쿼리-바이-예제 기반으로, 이질적 영역 간의 유사성(유사도)을 검색할 수 있는 새로운 상호작용 기반 검색 시스템을 제안한다. 문장 수준의 임베딩과 동적 클러스터링을 활용함으로써 사용자가 유연하게 제어할 수 있는 탐색을 가능하게 하여, 전통적인 관련성 기반 검색을 넘어서 비직관적이고 새로운 과학적 연결 고리를 발견하는 데 크게 기여한다.

ABSTRACT

Exposure to ideas in domains outside a scientist's own may benefit her in reformulating existing research problems in novel ways and discovering new application domains for existing solution ideas. While improved performance in scholarly search engines can help scientists efficiently identify relevant advances in domains they may already be familiar with, it may fall short of helping them explore diverse ideas extit{outside} such domains. In this paper we explore the design of systems aimed at augmenting the end-user ability in cross-domain exploration with flexible query specification. To this end, we develop an exploratory search system in which end-users can select a portion of text core to their interest from a paper abstract and retrieve papers that have a high similarity to the user-selected core aspect but differ in terms of domains. Furthermore, end-users can `zoom in' to specific domain clusters to retrieve more papers from them and understand nuanced differences within the clusters. Our case studies with scientists uncover opportunities and design implications for systems aimed at facilitating cross-domain exploration and inspiration.

연구 동기 및 목표

• 전통적인 검색 방식을 넘어서 사용자가 유연하게 제어할 수 있는 탐색을 가능하게 하여, 관련성이 없는 과학적 영역 간에서 혁신적인 아이디어를 발견하는 데 어려움을 해결하고자 한다.
• 관련성 기반 검색의 한계를 극복하기 위해 검색 결과의 새로운 사례와 영역 다양성을 제어할 수 있도록 한다.
• 과학 논문에 대한 비용이 많이 들고 사전에 정의된 체계적 레이블링에 의존하는 것을 줄이기 위해, 간편한 문장 수준의 표현 방식을 사용하여 검색을 수행한다.
• 사용자가 익숙한 영역에 대한 고정관념에서 벗어나기 위해 특정 영역 클러스터에 집중하여 세밀한 비교를 수행할 수 있도록 지원한다.
• 실제 연구 상황에서 시스템을 평가하고 향후 유사성 기반 검색 도구의 설계에 통찰을 도출한다.

제안 방법

• 사용자가 논문 초록의 문장을 쿼리의 핵심으로 선택하는 다면적 쿼리-바이-예제(QbE) 기반의 접근 방식을 사용한다.
• 강력한 사전 훈련된 모델(SBERT)에서 생성한 문장 임베딩을 활용하여 코퍼스 전반에 걸쳐 의미적으로 유사한 문장을 검색함으로써, 특정 측면에 특화된 유사성 매칭을 가능하게 한다.
• 클러스터링 기법을 사용하여 문서를 글로벌 및 로컬 영역 클러스터로 분류함으로써 계층적 탐색과 검색 거리 제어를 지원한다.
• 사용자는 특정 영역 클러스터에 '줌 인'하여 더 정밀하고 세밀한 결과를 얻을 수 있으며, 이는 유사한 아이디어에 대한 깊이 있는 탐색을 가능하게 한다.
• 복잡한 영역 전용 레이블링 파이프라인 대신 쉽게 확보할 수 있는 문장 수준의 표현 방식을 사용함으로써 사전에 레이블링된 체계에 의존하지 않는다.
• 사용자가 쿼리를 보완하고 영역 경계를 세밀하게 제어하면서도 반복적이고 상호작용적인 탐색을 지원하는 아키텍처를 구현한다.

실험 결과

연구 질문

• RQ1 사전에 정의된 체계적 레이블링에 의존하지 않고도 과학자들이 비직관적인 이질적 영역 간의 유사성을 발견할 수 있도록 시스템이 어떻게 지원할 수 있는가?
• RQ2 탐색적 검색 중 사용자가 검색 결과의 새로운 사례와 영역 간 거리의 정도를 제어할 수 있도록 하는 설계 패턴은 무엇인가?
• RQ3 문장 수준의 쿼리가 문서 수준의 쿼리보다 이질적 영역 간 영감을 어떻게 더 효과적으로 유도하는가?
• RQ4 계층적 영역 클러스터는 다양한 과학적 영역을 효과적이고 집중적으로 탐색하는 데 어떤 역할을 하는가?
• RQ5 과학자들은 어떤 방식으로 이질적 지식 영역 간에 특정 측면에 따라 제어 가능한 검색을 지원하는 시스템과 상호작용하며 이를 어떻게 활용하는가?

주요 결과

• 시스템은 특정 측면에서는 의미적으로 유사하지만 영역이 다른 논문을 검색함으로써 과학자들이 익숙한 영역에 대한 고정관념에서 벗어나 비직관적인 이질적 영역 간의 유사성을 식별할 수 있도록 한다.
• 특정 클러스터에 집중할 수 있는 기능을 제공함으로써 사용자가 다양한 영역에 더 높은 참여도를 보였으며, 이는 계층적 클러스터링이 탐색 제어를 향상시킨다는 것을 시사한다.
• 문서 수준의 쿼리보다 문장 수준의 쿼리를 사용함으로써 더 정밀하고 맥락에 맞는 검색이 가능했으며, 특히 특정 측면에 초점을 맞춘 유사성 탐색에 유리했다.
• 쿼리와 주제적으로 겹치지 않는 새로운 사례를 발견하는 데서 전통적인 관련성 기반 검색보다 시스템이 뛰어난 성능을 보였다.
• 사례 연구를 통해 과학자들은 결과의 범위와 새로운 사례의 정도를 제어할 수 있는 능력을 높이 평가했으며, 많은 이들이 검색된 이질적 영역의 유사 사례에서 새로운 연구 아이디어를 얻었다고 보고했다.
• 비용이 많이 들고 전문가가 레이블링한 체계에 크게 의존하는 문제를 크게 줄였으며, 이는 다양한 과학적 영역으로의 확장성 향상에 기여했다.