Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.01387

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2509.01387 (cs)
[提交于 2025年9月1日 ]

标题: ABCD-LINK:跨文档细粒度链接的注释自举

标题: ABCD-LINK: Annotation Bootstrapping for Cross-Document Fine-Grained Links

Authors:Serwar Basch, Ilia Kuznetsov, Tom Hope, Iryna Gurevych
摘要: 理解文档之间的细粒度关系对于许多应用领域至关重要。然而,由于缺乏高效的方法来创建跨文档链接的训练和评估数据集,自动化辅助的研究受到限制。为了解决这个问题,我们引入了一个新的与领域无关的框架,用于从头开始选择最佳性能的方法并在新领域中标注跨文档链接。我们首先生成并验证了相互连接文档的半合成数据集。这些数据用于自动评估,生成最佳性能的链接方法清单。然后将这些方法用于广泛的人工评估研究,得出自然文本对的性能估计。我们在两个不同的领域——同行评审和新闻——中应用我们的框架,并表明结合检索模型和大语言模型(LLMs)可以从人工评分者那里获得78%的链接批准,这使强检索器单独的精度翻了一番。我们的框架使得在不同应用场景下系统地研究跨文档理解成为可能,而产生的新颖数据集为众多跨文档任务(如媒体框架和同行评审)奠定了基础。我们公开提供代码、数据和标注协议。
摘要: Understanding fine-grained relations between documents is crucial for many application domains. However, the study of automated assistance is limited by the lack of efficient methods to create training and evaluation datasets of cross-document links. To address this, we introduce a new domain-agnostic framework for selecting a best-performing approach and annotating cross-document links in a new domain from scratch. We first generate and validate semi-synthetic datasets of interconnected documents. This data is used to perform automatic evaluation, producing a shortlist of best-performing linking approaches. These approaches are then used in an extensive human evaluation study, yielding performance estimates on natural text pairs. We apply our framework in two distinct domains -- peer review and news -- and show that combining retrieval models with LLMs achieves 78\% link approval from human raters, more than doubling the precision of strong retrievers alone. Our framework enables systematic study of cross-document understanding across application scenarios, and the resulting novel datasets lay foundation for numerous cross-document tasks like media framing and peer review. We make the code, data, and annotation protocols openly available.
主题: 计算与语言 (cs.CL) ; 信息检索 (cs.IR); 机器学习 (cs.LG)
引用方式: arXiv:2509.01387 [cs.CL]
  (或者 arXiv:2509.01387v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.01387
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Serwar Basch [查看电子邮件]
[v1] 星期一, 2025 年 9 月 1 日 11:32:24 UTC (981 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.IR
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号