論文の概要: Using Full-text Content of Academic Articles to Build a Methodology
Taxonomy of Information Science in China
- arxiv url: http://arxiv.org/abs/2101.07924v1
- Date: Wed, 20 Jan 2021 01:56:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 09:26:41.680145
- Title: Using Full-text Content of Academic Articles to Build a Methodology
Taxonomy of Information Science in China
- Title(参考訳): 中国における学術論文のフルテキストコンテンツを用いた情報科学の方法論分類
- Authors: Heng Zhang, Chengzhi Zhang
- Abstract要約: 本研究は情報科学の方法論分類法を構築するための新しい概念を提供する。
提案手法は従来の手法よりも詳細に分類され,分類の更新速度が向上した。
- 参考スコア(独自算出の注目度): 10.949304105928286
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research on the construction of traditional information science methodology
taxonomy is mostly conducted manually. From the limited corpus, researchers
have attempted to summarize some of the research methodology entities into
several abstract levels (generally three levels); however, they have been
unable to provide a more granular hierarchy. Moreover, updating the methodology
taxonomy is traditionally a slow process. In this study, we collected full-text
academic papers related to information science. First, we constructed a basic
methodology taxonomy with three levels by manual annotation. Then, the word
vectors of the research methodology entities were trained using the full-text
data. Accordingly, the research methodology entities were clustered and the
basic methodology taxonomy was expanded using the clustering results to obtain
a methodology taxonomy with more levels. This study provides new concepts for
constructing a methodology taxonomy of information science. The proposed
methodology taxonomy is semi-automated; it is more detailed than conventional
schemes and the speed of taxonomy renewal has been enhanced.
- Abstract(参考訳): 従来の情報科学方法論の分類に関する研究は、主に手作業で行われている。
限られたコーパスから、研究者はいくつかの研究方法論エンティティをいくつかの抽象レベル(一般的には3段階)にまとめようとしたが、より粒度の細かい階層を提供することはできなかった。
さらに、方法論の分類の更新は伝統的に遅いプロセスである。
本研究では,情報科学に関する全文学術論文を収集した。
まず, 手動アノテーションにより3段階の基本的な分類法を構築した。
次に,全文データを用いて,研究方法論エンティティの単語ベクトルを訓練した。
そこで, 研究方法論の実体をクラスタリングし, 基礎方法論の分類法をクラスタリング結果を用いて拡張し, よりレベルの高い方法論の分類法を得た。
本研究は情報科学の方法論分類法を構築するための新しい概念を提供する。
提案手法は半自動的であり, 従来の手法よりも詳細であり, 分類の更新速度が向上している。
関連論文リスト
- Automatic Bottom-Up Taxonomy Construction: A Software Application Domain Study [6.0158981171030685]
ソフトウェアアプリケーションドメイン分類に関するこれまでの研究は、適切な分類法が欠如しているため、課題に直面してきた。
本研究では,複数のデータソースを統合し,アンサンブル手法を活用することで,包括的ソフトウェアアプリケーション領域分類を開発することを目的とする。
論文 参考訳(メタデータ) (2024-09-24T08:55:07Z) - An Instance-based Plus Ensemble Learning Method for Classification of Scientific Papers [2.0794749869068005]
本稿では,科学論文の分類に事例ベース学習とアンサンブル学習を併用した新しい手法を提案する。
実験の結果,提案手法は論文を様々な研究領域に分類する上で効果的かつ効果的であることが示唆された。
論文 参考訳(メタデータ) (2024-09-21T19:42:15Z) - Empirical and Experimental Perspectives on Big Data in Recommendation
Systems: A Comprehensive Survey [2.6319554262325924]
本稿では,レコメンデーションシステムにおけるビッグデータアルゴリズムの包括的分析について述べる。
それは、現在のアルゴリズムの徹底的な分析と、正確な分類のための新しい階層的な分類法である。
論文 参考訳(メタデータ) (2024-02-01T23:51:29Z) - A Comprehensive Survey of Text Classification Techniques and Their Research Applications: Observational and Experimental Insights [2.1436706159840013]
本研究では,研究分野に基づくテキスト分類に特化して設計された包括的分類法を提案する。
分類学は、研究分野ベースのカテゴリ、研究分野ベースのサブカテゴリ、方法論ベースの技術、方法論のサブテクニック、研究分野の応用という階層的なレベルに分けられる。
論文 参考訳(メタデータ) (2024-01-11T08:17:42Z) - Incremental hierarchical text clustering methods: a review [49.32130498861987]
本研究の目的は,階層的および漸進的クラスタリング技術の解析である。
本研究の主な貢献は、文書クラスタリングのテキスト化を目的とした、2010年から2018年にかけて出版された研究で使用されるテクニックの組織化と比較である。
論文 参考訳(メタデータ) (2023-12-12T22:27:29Z) - Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。
我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。
我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
論文 参考訳(メタデータ) (2022-01-21T09:01:12Z) - TaxoCom: Topic Taxonomy Completion with Hierarchical Discovery of Novel
Topic Clusters [57.59286394188025]
我々はTaxoComというトピック分類の完成のための新しい枠組みを提案する。
TaxoComは、用語と文書の新たなサブトピッククラスタを発見する。
2つの実世界のデータセットに関する包括的実験により、TaxoComは、用語の一貫性とトピックカバレッジの観点から、高品質なトピック分類を生成するだけでなく、高品質なトピック分類を生成することを実証した。
論文 参考訳(メタデータ) (2022-01-18T07:07:38Z) - Can Taxonomy Help? Improving Semantic Question Matching using Question
Taxonomy [37.57300969050908]
セマンティックな質問マッチングのためのハイブリッド手法を提案する。
深層学習に基づく質問から得られた質問クラスで最先端のディープラーニングモデルを強化することにより、提案された2層分類を英語の質問に使用します。
論文 参考訳(メタデータ) (2021-01-20T16:23:04Z) - Studying Taxonomy Enrichment on Diachronic WordNet Versions [70.27072729280528]
本稿では,資源の乏しい環境での分類拡張の可能性について検討し,多数の言語に適用可能な手法を提案する。
我々は、分類の豊かさを訓練し評価するための新しい英語とロシア語のデータセットを作成し、他の言語のためのそのようなデータセットを作成する技術を記述する。
論文 参考訳(メタデータ) (2020-11-23T16:49:37Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳(メタデータ) (2020-08-02T00:09:03Z) - Octet: Online Catalog Taxonomy Enrichment with Self-Supervision [67.26804972901952]
オンラインカタログエンリッチメンTのための自己教師型エンドツーエンドフレームワークOctopを提案する。
本稿では,用語抽出のためのシーケンスラベリングモデルをトレーニングし,分類構造を捉えるためにグラフニューラルネットワーク(GNN)を用いることを提案する。
Octetは、オンラインカタログを、オープンワールド評価の2倍に強化する。
論文 参考訳(メタデータ) (2020-06-18T04:53:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。