Mô hình biến đổi dự đoán ảnh hưởng đến giấy từ tiêu đề và trừu tượng, đánh giá qua hàng triệu bài
Một cuộc nghiên cứu được xuất bản ngày 14 tháng 11 trong các báo cáo khoa học đã kiểm tra xem các mô hình biến đổi có thể dự đoán ảnh hưởng đến thước đo giấy từ tựa đề và trừu tượng không. Các tác giả, Cameron C. Young và Marc D. Succi, nhắm vào ba thước đo: đánh giá mỗi năm, điểm trung bình, tỉ lệ tương đối là RCR từ Viện Y tế Quốc gia Hoa Kỳ.
Sử dụng BioBET làm mô hình cơ bản đại diện, đánh giá cuối cùng bao gồm một triệu khoa học tổng quát và các bài báo y khoa. Trên bộ dữ liệu y tế, BioBET đạt đến mức F1 của 0.494, chính xác là 0.504, và MCC của 0.382 cho mỗi năm; một F1 của 0.468 và MCC của 0.354 cho điểm Altmetric; và một F1 của 0.516 và MCC của 0.405 cho iCite RCR.
Các mô hình thực hiện tốt nhất trong việc phân biệt các giấy tờ với tác động cao nhất và thấp nhất, và yếu hơn ở các buồng giữa.
Nguồn: GSM · Hoa Kỳ (ấn bản tiếng Anh · ấn bản gốc tiếng Trung)
Ảnh: 图：Transformer 模型的整体架构示意图，左侧为编码器、右侧为解码器。来源：Daniel Voigt Godoy (dvgodoy)，Wikimedia Commons，CC BY 4.0。 / Photo: Diagram of the overall Transformer model architecture, encoder on the left and decoder on the right. Source: Daniel Voigt Godoy (dvgodoy), Wikimedia Commons, CC BY 4.0.
