Untitled

生成日: 2026-05-24 02:20

# Untitled
---
title: "FineCite: A Novel Approach For Fine-Grained Citation Context Analysis"
source_url: "https://aclanthology.org/2025.findings-acl.1259/"
doi: "10.18653/v1/2025.findings-acl.1259"
generated_at: "2026-05-11T07:49:41+00:00"
---

- 引用文脈分析（Citation Context Analysis, CCA）において、引用の機能分類よりも前段にある「どこまでを引用文脈とみなすか」を扱う論文である。
- 著者らは、引用文脈を Information、Perception、Background の三つの意味的範囲に分け、文単位に固定しない細粒度な定義を与える。
- 1,056 件の手作業アノテーションから FINECITE コーパスを作り、抽出と引用分類の実験で、従来の文単位の扱いより安定した性能を示した。

## 論文の面白いところ

この論文の主眼は、引用をどう分類するかではなく、分類の材料になる引用文脈をどう定めるかにある。従来の多くの研究では、引用マーカーを含む一文、またはその前後数文をそのまま文脈として扱っていた。しかし実際の論文では、引用された内容、その引用を著者がどう用いているか、引用が置かれた背景が、一文の中に混在したり、複数箇所に分かれて現れたりする。本論文はこの素朴な仮定を外し、引用文脈を意味に基づく部分文字列の集合として扱う。これにより、引用文脈は長さが可変で、非連続でもよく、文の途中から始まり文の途中で終わってよいものになる。地味な設定変更に見えるが、学術文書検索や論文要約では効いてくる論点である。たとえば、検索拡張生成（Retrieval-Augmented Generation, RAG）で論文中の引用を根拠として使う場合、引用を含む一文全体を渡すだけでは、何が引用元の主張で、何が引用者の評価なのかが混ざりやすい。本論文は、その混線をほどくための基礎的な整理を与えている。

## 問題設定

引用文脈分析は、論文中の引用が背景説明、手法利用、比較、拡張、動機づけなどのどの役割を持つかを推定する研究である。多くの既存手法は、あらかじめ定めた引用機能ラベルを分類する問題として定式化してきた。その際、入力となる引用文脈は、引用マーカーを含む一文や、周囲の固定長ウィンドウとして近似されることが多い。この近似は扱いやすいが、科学論文の議論の構造をかなり粗くする。引用された論文の内容を述べる部分と、それを自分の研究で使う部分は、同じ文にあっても別の役割を持つ。また、引用の理由は、引用マーカーから離れた句や前後の節にあることもある。著者らは、引用文脈を分類ラベルから逆算するのではなく、引用周辺テキストの意味的性質から独立に定める必要があると考える。この問題設定は、引用分類の精度向上だけでなく、学術的議論を機械がより正確にたどるための前処理として位置づけられる。

## 提案手法

著者らは、引用文脈を三つの意味的次元で定義する。第一は Information（INF）で、引用先論文から参照されている情報そのものを表す。第二は Perception（PERC）で、引用者がその情報をどのように用いたか、比較したか、評価したかを表す。第三は Background（BACK）で、なぜその引用が置かれているのかを説明する周辺情報を表す。この定義では、引用文脈は一続きの文である必要がなく、必要な箇所だけを選ぶことができる。著者らは ACL Anthology Network Corpus から抽出した英語論文段落を用い、1,056 件の引用文脈を手作業でアノテーションした。アノテータには対象引用の周辺段落やメタデータも示され、ガイドラインは五回の反復で調整された。得られた FINECITE コーパスでは、各語に INF、PERC、BACK の範囲が付与される。自動抽出には科学文書向けのエンコーダである SciBERT を用い、線形分類器、BiLSTM、条件付き確率場（Conditional Random Field, CRF）の三種類のヘッドを比較している。さらに、抽出した細粒度文脈を用いて、ACL-ARC、ACT2、SCICITE、MULTICITE の引用分類ベンチマークで性能を調べている。

## 結果

アノテーション一致度は、文脈全体では F1 が 0.75 であり、科学文書の範囲アノテーションとしては妥当な水準である。一方で、三つの意味的次元を分けた F1 は 0.48 に下がり、特に Perception と Background の区別が難しいことが示された。これは失敗というより、引用文脈の境界がもともと曖昧であることをよく表している。構造制約の分析では、一文だけを文脈とする方法は F1 0.679、二文では 0.716 で、細粒度な正解範囲とは十分に一致しなかった。非連続性を禁じた場合の F1 は 0.863、文境界まで広げた場合の F1 は 0.951 であり、文単位だけでは細かなラベル付けに不十分であることが分かる。抽出実験では、SciBERT + CRF が文脈全体の F1 0.787 を示し、SciBERT + BiLSTM は三次元平均 F1 0.56 で最も高かった。引用分類では、通常の SciBERT ベースラインの平均 macro-F1 が 0.546 であるのに対し、FINECITE の線形ヘッド版は 0.579 を得た。ACT2 では最良ベースラインに対して 25% の改善、ACL-ARC では 13% の改善が報告されている。ただし SCICITE は引用文のみしか提供しないため、細粒度文脈を十分に抽出できず、改善幅は小さい。著者らも、データが計算言語学分野に限られること、評価対象タスクが限定的であることを制約として述べている。

## 具体例

たとえば、ある論文に「先行研究 [TREF] はニューラル機械翻訳のために注意機構を用いた。本研究では、その符号化器を文書要約に転用し、長距離依存を扱うために追加の階層層を導入する」と書かれていたとする。従来の一文単位の方法なら、引用マーカーを含む最初の文だけ、または二文全体をまとめて引用文脈として渡すことになりやすい。FINECITE の見方では、「ニューラル機械翻訳のために注意機構を用いた」が引用先の内容なので Information になる。「その符号化器を文書要約に転用し」は、引用先の成果をこの論文がどう使ったかを述べるので Perception になる。さらに「長距離依存を扱うために追加の階層層を導入する」は、引用を置いた理由や自分の研究の位置づけに関わるため Background として扱われる可能性がある。期待される出力は、引用マーカーの近くにある文を丸ごと選ぶことではなく、これらの役割を持つ句を必要な範囲で切り出すことである。間違えやすい点は、「本研究では」という語が出てきた後をすべて引用と無関係とみなしてしまうことである。実際には、引用された手法をどう使ったかは、引用の機能を判定するうえで重要な手がかりになる。逆に、同じ段落に別の先行研究への一般的な言及がある場合、それが対象引用 [TREF] に結びつかないなら文脈には含めない。このように、このタスクは引用のそばの文を拾う作業ではなく、引用をめぐる小さな議論の構造を読む作業である。

Untitled

title: "FineCite: A Novel Approach For Fine-Grained Citation Context Analysis" source_url: "https://aclanthology.org/2025.findings-acl.1259/" doi: "10.18653/v1/2025.findings-acl.1259" generated_at: "2026-05-11T07:49:41+00:00"

引用文脈分析（Citation Context Analysis, CCA）において、引用の機能分類よりも前段にある「どこまでを引用文脈とみなすか」を扱う論文である。
著者らは、引用文脈を Information、Perception、Background の三つの意味的範囲に分け、文単位に固定しない細粒度な定義を与える。
1,056 件の手作業アノテーションから FINECITE コーパスを作り、抽出と引用分類の実験で、従来の文単位の扱いより安定した性能を示した。

論文の面白いところ

この論文の主眼は、引用をどう分類するかではなく、分類の材料になる引用文脈をどう定めるかにある。従来の多くの研究では、引用マーカーを含む一文、またはその前後数文をそのまま文脈として扱っていた。しかし実際の論文では、引用された内容、その引用を著者がどう用いているか、引用が置かれた背景が、一文の中に混在したり、複数箇所に分かれて現れたりする。本論文はこの素朴な仮定を外し、引用文脈を意味に基づく部分文字列の集合として扱う。これにより、引用文脈は長さが可変で、非連続でもよく、文の途中から始まり文の途中で終わってよいものになる。地味な設定変更に見えるが、学術文書検索や論文要約では効いてくる論点である。たとえば、検索拡張生成（Retrieval-Augmented Generation, RAG）で論文中の引用を根拠として使う場合、引用を含む一文全体を渡すだけでは、何が引用元の主張で、何が引用者の評価なのかが混ざりやすい。本論文は、その混線をほどくための基礎的な整理を与えている。

問題設定

引用文脈分析は、論文中の引用が背景説明、手法利用、比較、拡張、動機づけなどのどの役割を持つかを推定する研究である。多くの既存手法は、あらかじめ定めた引用機能ラベルを分類する問題として定式化してきた。その際、入力となる引用文脈は、引用マーカーを含む一文や、周囲の固定長ウィンドウとして近似されることが多い。この近似は扱いやすいが、科学論文の議論の構造をかなり粗くする。引用された論文の内容を述べる部分と、それを自分の研究で使う部分は、同じ文にあっても別の役割を持つ。また、引用の理由は、引用マーカーから離れた句や前後の節にあることもある。著者らは、引用文脈を分類ラベルから逆算するのではなく、引用周辺テキストの意味的性質から独立に定める必要があると考える。この問題設定は、引用分類の精度向上だけでなく、学術的議論を機械がより正確にたどるための前処理として位置づけられる。

提案手法

著者らは、引用文脈を三つの意味的次元で定義する。第一は Information（INF）で、引用先論文から参照されている情報そのものを表す。第二は Perception（PERC）で、引用者がその情報をどのように用いたか、比較したか、評価したかを表す。第三は Background（BACK）で、なぜその引用が置かれているのかを説明する周辺情報を表す。この定義では、引用文脈は一続きの文である必要がなく、必要な箇所だけを選ぶことができる。著者らは ACL Anthology Network Corpus から抽出した英語論文段落を用い、1,056 件の引用文脈を手作業でアノテーションした。アノテータには対象引用の周辺段落やメタデータも示され、ガイドラインは五回の反復で調整された。得られた FINECITE コーパスでは、各語に INF、PERC、BACK の範囲が付与される。自動抽出には科学文書向けのエンコーダである SciBERT を用い、線形分類器、BiLSTM、条件付き確率場（Conditional Random Field, CRF）の三種類のヘッドを比較している。さらに、抽出した細粒度文脈を用いて、ACL-ARC、ACT2、SCICITE、MULTICITE の引用分類ベンチマークで性能を調べている。

結果

アノテーション一致度は、文脈全体では F1 が 0.75 であり、科学文書の範囲アノテーションとしては妥当な水準である。一方で、三つの意味的次元を分けた F1 は 0.48 に下がり、特に Perception と Background の区別が難しいことが示された。これは失敗というより、引用文脈の境界がもともと曖昧であることをよく表している。構造制約の分析では、一文だけを文脈とする方法は F1 0.679、二文では 0.716 で、細粒度な正解範囲とは十分に一致しなかった。非連続性を禁じた場合の F1 は 0.863、文境界まで広げた場合の F1 は 0.951 であり、文単位だけでは細かなラベル付けに不十分であることが分かる。抽出実験では、SciBERT + CRF が文脈全体の F1 0.787 を示し、SciBERT + BiLSTM は三次元平均 F1 0.56 で最も高かった。引用分類では、通常の SciBERT ベースラインの平均 macro-F1 が 0.546 であるのに対し、FINECITE の線形ヘッド版は 0.579 を得た。ACT2 では最良ベースラインに対して 25% の改善、ACL-ARC では 13% の改善が報告されている。ただし SCICITE は引用文のみしか提供しないため、細粒度文脈を十分に抽出できず、改善幅は小さい。著者らも、データが計算言語学分野に限られること、評価対象タスクが限定的であることを制約として述べている。

具体例

たとえば、ある論文に「先行研究 [TREF] はニューラル機械翻訳のために注意機構を用いた。本研究では、その符号化器を文書要約に転用し、長距離依存を扱うために追加の階層層を導入する」と書かれていたとする。従来の一文単位の方法なら、引用マーカーを含む最初の文だけ、または二文全体をまとめて引用文脈として渡すことになりやすい。FINECITE の見方では、「ニューラル機械翻訳のために注意機構を用いた」が引用先の内容なので Information になる。「その符号化器を文書要約に転用し」は、引用先の成果をこの論文がどう使ったかを述べるので Perception になる。さらに「長距離依存を扱うために追加の階層層を導入する」は、引用を置いた理由や自分の研究の位置づけに関わるため Background として扱われる可能性がある。期待される出力は、引用マーカーの近くにある文を丸ごと選ぶことではなく、これらの役割を持つ句を必要な範囲で切り出すことである。間違えやすい点は、「本研究では」という語が出てきた後をすべて引用と無関係とみなしてしまうことである。実際には、引用された手法をどう使ったかは、引用の機能を判定するうえで重要な手がかりになる。逆に、同じ段落に別の先行研究への一般的な言及がある場合、それが対象引用 [TREF] に結びつかないなら文脈には含めない。このように、このタスクは引用のそばの文を拾う作業ではなく、引用をめぐる小さな議論の構造を読む作業である。