| LEADER |
04238nam a22002537a 4500 |
| 001 |
2243301 |
| 041 |
|
|
|a eng
|
| 044 |
|
|
|b الجزائر
|
| 100 |
|
|
|9 795743
|a Djafer, Hind
|e Author
|
| 245 |
|
|
|a Advancing Context-Aware Paper Citation Recommendation Using BERT and CNN Enhanced Multi-Model Deep Learning
|
| 260 |
|
|
|b جامعة غرداية - مخبر الجنوب الجزائري للبحث في التاريخ والحضارة الإسلامية
|c 2024
|g يونيو
|m 1445
|
| 300 |
|
|
|a 120 - 138
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a تعتبر توصية الاقتباس مهمة جوهرية للباحثين، لكن النمو الهائل للمنشورات العلمية يفرض تحديات كبيرة، لأنه يتطلب التصفية من خلال مجموعة كبيرة من الأوراق. تعتمد الأنظمة الحالية على ميزات سطحية، مما يؤدي إلى توصيات منخفضة الجودة. نقترح في هذه الدراسة نهجًا مبتكرًا بعنوان "تعزيز توصية الاقتباس باستخدام تقنيات التعلم متعدد الوسائط"، الذي يدمج بين فهم اللغة السياقية لنموذج BERT وقدرات استخلاص الميزات للشبكة العصبية التلافيفية (CNN)، مما يعزز أداء توصية الاقتباس المدركة للسياق. استخدمنا مجموعة بيانات BookCover30 لتدريب وتقييم نموذجنا، مع التركيز على دمج المعلومات النصية والمرئية. لتقييم أداء نموذجنا استخدمنا مقاييس تقييم مختلفة، ومع كون الدقة هي المقياس الأساسي، قمنا بتقييم درجات الدقة لطرائق مختلفة. أظهرت النتائج أن نموذجنا حقق دقة بنسبة 45%، مما يدل على تحسن كبير في فعالية توصيات الاقتباس. تقدم هذه الدراسة أداة قيمة للباحثين، تسهم في توفير توصيات اقتباس أكثر دقة وتخصيصا، مما يعزز مجال الكتابة العلمية.
|b Citation recommendation is crucial for researchers, but the exponential growth of scholarly literature poses significant challenges. Existing systems often rely on shallow features, resulting in low-quality recommendations. This study proposes a novel approach, "Advancing Citation Recommendation using Multimodal Learning Techniques," leveraging multimodal learning for high-quality recommendations. We integrate BERT and CNN, enhancing context-aware citation recommendations. The study uses the BookCover30 dataset for training and evaluation. Our multi-model deep learning framework combines BERT's contextual understanding with CNN's feature extraction, incorporating textual and visual information for precise recommendations. Evaluated using accuracy as the primary measure, our framework achieved 45% accuracy. These findings advance citation recommendation models, providing more accurate and personalized academic citations. This research contributes significantly to scientific writing, offering a valuable tool for researchers seeking relevant and tailored citations.
|
| 653 |
|
|
|a الذكاء الاصطناعي
|a الشبكة العصبية التلافيفية
|a التعلم متعدد الوسائط
|a الكتابة العلمية
|a الاقتباس العلمي
|
| 692 |
|
|
|a أنظمة التوصية
|a توصية الاقتباس
|a التعلم العميق
|a التعلم متعدد الوسائط
|b Recommendation Systems
|b Citation Recommendation
|b Multimodal Learning
|b Deep Learning
|
| 700 |
|
|
|9 795744
|a Hamdane, Oum Elhabib
|e Co-Author
|
| 700 |
|
|
|9 687909
|a Degha, Houssem Eddine
|e Co-Author
|
| 773 |
|
|
|4 العلوم الإنسانية ، متعددة التخصصات
|6 Humanities, Multidisciplinary
|c 005
|e Journal Rawafed for Research and Studies
|f Mağallaẗ rawāfid li-l-buḥūṯ wa al-dirāsāt
|l 001
|m مج9, ع1
|o 2447
|s مجلة روافد للبحوث والدراسات
|v 009
|x 2543-3563
|
| 856 |
|
|
|u 2447-009-001-005.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a IslamicInfo
|
| 995 |
|
|
|a HumanIndex
|
| 999 |
|
|
|c 1499437
|d 1499437
|
