[论文解读] Etymo: A New Discovery Engine for AI Research

Weijian Zhang, Jonathan Deakin+2 more|arXiv (Cornell University)|Jan 25, 2018

Topic Modeling参考文献 7被引用 3

一句话总结

Etymo 提出了一种用于人工智能研究的新型发现引擎，通过利用基于全文嵌入（Doc2Vec 和 TF-IDF）的动态相似性网络，实现更优的搜索、排序与可视化。通过在这一不断演化的图结构上结合 PageRank 与 Reverse PageRank，并引入社交媒体信号，Etymo 在揭示相关且具有高影响力的近期论文方面优于传统搜索方法，如在查询 't-sne' 时的排序表现得到提升。

ABSTRACT

We present Etymo (https://etymo.io), a discovery engine to facilitate artificial intelligence (AI) research and development. It aims to help readers navigate a large number of AI-related papers published every week by using a novel form of search that finds relevant papers and displays related papers in a graphical interface. Etymo constructs and maintains an adaptive similarity-based network of research papers as an all-purpose knowledge graph for ranking, recommendation, and visualisation. The network is constantly evolving and can learn from user feedback to adjust itself.

研究动机与目标

• 解决快速增长的 AI 文献中信息过载的问题，传统引用计数法对新论文失效。
• 克服基于列表的搜索界面局限，将可视化关系探索与排序结果相结合。
• 利用全文内容与用户反馈，构建可扩展、自适应的研究论文知识图谱。
• 通过内容相似性与社交媒体信号，提升新出现研究的搜索相关性。
• 通过混合排序与可视化系统，使研究人员能够发现既有经典论文，也能发现近期高影响力论文。

提出的方法

• 通过 Doc2Vec 与 TF-IDF 计算论文全文的稠密向量表示，并基于余弦相似度构建基于相似性的网络。
• 维护一个每日更新的动态知识图谱，利用向量相似度推断链接，而非依赖引用关系。
• 使用 t-SNE 将 1000 维的论文嵌入降维至 2D，用于可视化布局与交互式探索。
• 采用混合排序模型，结合标准 PageRank 与 Reverse PageRank，评估论文的权威性与枢纽质量。
• 整合用户反馈与社交媒体活动（如 Twitter 转发）以优化网络连接性并过滤噪声。
• 设计双界面系统，将排序结果以列表形式展示，同时在交互式图中显示论文之间的关联关系。

实验结果

研究问题

• RQ1 当缺乏引用次数时，基于全文嵌入的相似性网络能否有效对近期 AI 研究论文进行排序与推荐？
• RQ2 结合 PageRank 与 Reverse PageRank 相较于单独使用任一方法，能否显著提升搜索结果的相关性？
• RQ3 社交媒体信号与用户反馈在多大程度上能增强基于内容的论文推荐系统的鲁棒性与准确性？
• RQ4 在排序结果旁可视化论文关联关系，能否减少研究人员查找相关且重要工作所花费的时间？
• RQ5 该系统在检索特定主题的经典论文与新兴研究方面，与 Google Scholar 等传统搜索引擎相比表现如何？

主要发现

• 对于查询 't-sne'，Etymo 使用基于网络的评分（PageRank + Reverse PageRank）正确将 van der Maaten 与 Hinton 于 2008 年发表的奠基性论文排在首位。
• 引入基于网络的评分显著提升了结果质量，使历史重要且高度相关的论文在排序中排名高于基线（非网络）方法。
• 与 Google Scholar 相比，Etymo 的结果包含了更多近期且相关的出版物，如 2017 年关于自动困惑度选择的论文，而 Google Scholar 更倾向于优先展示较旧或不够具体的文献。
• 该系统成功识别并排定了 t-SNE 的关键后续工作，如 van der Maaten 于 2014 年的加速论文以及 2017 年关于高效算法的研究，表明其在检索相关研究方面表现强劲。
• 混合排序模型优于纯 PageRank 与 HITS，证明结合权威分与枢纽分可显著提升对基础性与新兴研究的检索精度。
• 可视化图谱探索的整合使用户能够同时查看排名靠前的论文及其相互关联，减少了在 Google Scholar 中需多次点击“相关文章”链接的繁琐操作。