공개 프로필이 중요하다: 실제 환경에서의 인용 추천을 위한 확장 가능한 통합 접근 방식

Public Profile Matters: A Scalable Integrated Approach to Recommend Citations in the Wild

관련 문헌의 적절한 인용은 과학적 기여의 맥락을 명확히 하고 이를 검증하는 데 필수적입니다. 현재의 인용 추천 시스템은 지역적 및 전역적 텍스트 정보를 활용하지만, 종종 인간의 인용 행동의 미묘한 측면을 간과합니다. 이러한 패턴을 통합하는 최근 방법들은 성능을 향상시키지만, 높은 계산 비용을 발생시키고 다운스트림 재순위화 과정에 체계적인 편향을 초래합니다. 이러한 문제를 해결하기 위해, 우리는 Profiler라는 가볍고 학습이 필요 없는 모듈을 제안합니다. Profiler는 인간의 인용 패턴을 효율적이고 편향 없이 파악하여 후보 항목 검색 성능을 크게 향상시킵니다. 또한, 현재 평가 프로토콜의 중요한 한계를 지적합니다. 현재 시스템은 추론적 설정에서 평가되는데, 이는 실제 시나리오를 제대로 반영하지 못합니다. 우리는 엄격한 시간 제약을 적용하여 실제 환경에서 새로 작성된 논문에 대한 인용 추천을 시뮬레이션하는 엄격한 귀납적 평가 환경을 도입합니다. 마지막으로, 프로파일러에서 파생된 신뢰도 사전 지식과 의미 정보를 적응형 벡터 게이팅 메커니즘을 통해 통합하는 새로운 재순위화 모델인 DAVINCI를 제시합니다. 우리의 시스템은 여러 벤치마크 데이터 세트에서 최첨단 결과를 달성했으며, 우수한 효율성과 일반화 성능을 입증했습니다.

Proper citation of relevant literature is essential for contextualising and validating scientific contributions. While current citation recommendation systems leverage local and global textual information, they often overlook the nuances of the human citation behaviour. Recent methods that incorporate such patterns improve performance but incur high computational costs and introduce systematic biases into downstream rerankers. To address this, we propose Profiler, a lightweight, non-learnable module that captures human citation patterns efficiently and without bias, significantly enhancing candidate retrieval. Furthermore, we identify a critical limitation in current evaluation protocol: the systems are assessed in a transductive setting, which fails to reflect real-world scenarios. We introduce a rigorous Inductive evaluation setting that enforces strict temporal constraints, simulating the recommendation of citations for newly authored papers in the wild. Finally, we present DAVINCI, a novel reranking model that integrates profiler-derived confidence priors with semantic information via an adaptive vector-gating mechanism. Our system achieves new state-of-the-art results across multiple benchmark datasets, demonstrating superior efficiency and generalisability.