基于细粒度知识实体的学术论文团队机构构成与新颖性关系探索

arXiv cs.CL 论文
team-institutional-composition novelty academic-papers natural-language-processing knowledge-entities industry-academia-collaboration

摘要

本研究以自然语言处理领域为例，探讨团队机构构成（学术、产业或混合）如何影响论文新颖性，利用方法、数据集等细粒度知识实体来测量新颖性。

arXiv:2606.31058v1 公告类型：新 摘要：作者团队的构成是影响学术论文新颖性的重要因素。然而，现有研究对机构构成的作用关注有限，且大多数新颖性度量停留在一般层面，难以解释论文中新颖性的具体来源和类型。以自然语言处理领域为例，本研究探讨了团队机构构成与学术论文细粒度新颖性之间的关系。作者团队分为三类：学术机构、产业机构以及学术与产业混合机构。从全文论文中提取了四种细粒度知识实体，包括方法、数据集、工具和指标。然后基于实体组合测量论文的新颖性，并进一步分析不同实体类型的配对组合，以考察它们对新颖论文的贡献。结果表明，在自然语言处理领域，产业机构与学术机构的合作比纯产业合作更有可能产生新颖论文。从细粒度知识实体的角度来看，学术与产业混合团队更关注方法-指标组合的新颖性，而产业团队更关注方法-工具组合的新颖性。本研究通过细粒度新颖性测量揭示了机构团队构成与论文新颖性之间的关系，为提高论文质量和促进产学研合作提供了有益证据。
查看原文
查看缓存全文

缓存时间: 2026/07/01 05:32 

# 基于细粒度知识实体探究团队机构构成与论文学术新颖性的关系
来源：https://arxiv.org/abs/2606.31058
查看PDF (https://arxiv.org/pdf/2606.31058)

> 摘要：作者团队的构成是影响论文学术新颖性的重要因素。然而，现有研究对机构构成作用的关注有限，且大多数新颖性度量仍停留于一般层面，难以解释论文中新颖性的具体来源和类型。本研究以自然语言处理领域为例，探讨团队机构构成与论文学术细粒度新颖性之间的关系。作者团队被分为三类：学术机构、工业机构以及学术-工业混合机构。从论文全文中提取了四类细粒度知识实体，包括方法、数据集、工具和指标。随后基于实体组合衡量论文的新颖性，并进一步分析了不同类型实体之间的两两组合对新颖论文的贡献。结果表明，在自然语言处理领域，工业与学术机构的合作相比纯工业合作更易产生新颖论文。从细粒度知识实体的角度来看，学术-工业混合团队更关注方法-指标组合的新颖性，而工业团队则更关注方法-工具组合的新颖性。本研究通过细粒度新颖性度量揭示了机构团队构成与论文新颖性之间的关系，为提升论文质量、促进产学研合作提供了有益参考。

## 提交历史

来自：Chengzhi Zhang \[查看邮件 (https://arxiv.org/show-email/1d55cae4/2606.31058)\] **\[v1\]**2026年6月30日 星期二 02:49:34 UTC (777 KB)

相似文章

来自可学习新奇性的智能

arXiv cs.LG

本文提出“可学习新奇性”作为统计、复杂系统和自适应行为中智能的统一原理，并提供了一个使用储层计算的可微估计器，该估计器无需任何监督即可展示复杂性生成、抽象和探索。