論文の概要: Defining definition: a Text mining Approach to Define Innovative
Technological Fields
- arxiv url: http://arxiv.org/abs/2106.04210v1
- Date: Tue, 8 Jun 2021 09:42:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-10 04:42:54.926978
- Title: Defining definition: a Text mining Approach to Define Innovative
Technological Fields
- Title(参考訳): 定義の定義:革新的技術分野の定義のためのテキストマイニングアプローチ
- Authors: Vito Giordano, Filippo Chiarello, Elena Cervelli
- Abstract要約: 本研究は,革新的技術分野や新しい技術を自動的に定義する,スコープ記述プロセスのためのツールを提案する。
このツールは、ElsevierのScopus抽象化を利用して関連するデータを抽出するText Miningアルゴリズムに基づいている。
その結果, 技術分野の定義プロセスにおいて, ツールが重要な情報をいかに提供できるかが示唆された。
- 参考スコア(独自算出の注目度): 1.4502611532302039
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the first task of an innovative project is delineating the scope of
the project itself or of the product/service to be developed. A wrong scope
definition can determine (in the worst case) project failure. A good scope
definition become even more relevant in technological intensive innovation
projects, nowadays characterized by a highly dynamic multidisciplinary,
turbulent and uncertain environment. In these cases, the boundaries of the
project are not easily detectable and it is difficult to decide what it is
in-scope and out-of-scope. The present work proposes a tool for the scope
delineation process, that automatically define an innovative technological
field or a new technology. The tool is based on Text Mining algorithm that
exploits Elsevier's Scopus abstracts in order to the extract relevant data to
define a technological scope. The automatic definition tool is then applied on
four case studies: Artificial Intelligence and Data Science. The results show
how the tool can provide many crucial information in the definition process of
a technological field. In particular for the target technological field (or
technology), it provides the definition and other elements related to the
target.
- Abstract(参考訳): 革新的なプロジェクトの最初の課題の1つは、プロジェクト自体のスコープや開発対象の製品/サービスを明確にすることである。
間違ったスコープ定義で(最悪の場合)プロジェクトの失敗を判断できます。
優れたスコープ定義は、技術集約的なイノベーションプロジェクトでさらに重要になり、近年は、高度にダイナミックな多分野の、乱気流、不確定な環境が特徴となっている。
このような場合、プロジェクトのバウンダリは容易に検出できず、スコープ内とスコープ外を判断することは困難である。
本研究は,革新的技術分野や新しい技術を自動的に定義する,スコープ記述プロセスのためのツールを提案する。
このツールはテキストマイニングアルゴリズムに基づいており、elsevierのscopusの抽象を活用し、関連するデータを抽出して技術的スコープを定義する。
自動定義ツールは、人工知能とデータサイエンスの4つのケーススタディに適用される。
その結果,技術分野の定義プロセスにおいて,ツールが重要な情報を提供する方法が示された。
特に、ターゲット技術分野(または技術)において、ターゲットに関する定義やその他の要素を提供する。
関連論文リスト
- Deepfake Detection and the Impact of Limited Computing Capabilities [0.0]
この研究は、限られたコンピューティングリソースを持つシナリオにおいて、既存のさまざまなデータセットにわたるディープフェイクの検出に対処することを目的としている。
目標は、これらの制限の下で異なるディープラーニング技術の適用性を分析し、その効率を高めるための可能なアプローチを探ることである。
論文 参考訳(メタデータ) (2024-02-08T11:04:34Z) - A Survey on Semantic Processing Techniques [38.32578417623237]
意味論の研究は言語学において多次元である。
計算意味処理の研究の深さと幅は、新しい技術で大きく改善できる。
論文 参考訳(メタデータ) (2023-10-22T15:09:51Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳(メタデータ) (2023-06-06T10:18:36Z) - A Comprehensive Study on Object Detection Techniques in Unconstrained
Environments [0.0]
オブジェクト検出は、画像やビデオ内のオブジェクトを識別し、ローカライズすることを目的とした、コンピュータビジョンにおける重要なタスクである。
近年のディープラーニングと畳み込みニューラルネットワーク(CNN)の進歩により、オブジェクト検出技術の性能が大幅に向上した。
本稿では,制約のない環境下でのオブジェクト検出技術について,様々な課題,データセット,最先端のアプローチを含む包括的研究を行う。
論文 参考訳(メタデータ) (2023-04-11T15:45:03Z) - Design Automation for Fast, Lightweight, and Effective Deep Learning
Models: A Survey [53.258091735278875]
本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。
これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。
この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
論文 参考訳(メタデータ) (2022-08-22T12:12:43Z) - Visuo-Haptic Object Perception for Robots: An Overview [1.7033055327465234]
本稿では,ロボット応用におけるマルチモーダル物体認識の現状を概説する。
生物学的インスピレーション、センサー技術、データセット、オブジェクト認識と把握のための知覚データ処理の側面をカバーしている。
論文 参考訳(メタデータ) (2022-03-22T08:55:36Z) - OG-SGG: Ontology-Guided Scene Graph Generation. A Case Study in Transfer
Learning for Telepresence Robotics [124.08684545010664]
画像からのシーングラフ生成は、ロボット工学のようなアプリケーションに非常に関心を持つタスクである。
オントロジー誘導シーングラフ生成(OG-SGG)と呼ばれるフレームワークの初期近似を提案する。
論文 参考訳(メタデータ) (2022-02-21T13:23:15Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳(メタデータ) (2021-10-28T16:04:01Z) - Axes for Sociotechnical Inquiry in AI Research [3.0215443986383734]
技術開発の新たな発展領域を探求する4つの方向を提案する。
本論文は、社会技術調査のためのレキシコンを提供し、消費者向けドローン技術の例を通してそれを解説する。
論文 参考訳(メタデータ) (2021-04-26T16:49:04Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳(メタデータ) (2021-01-11T15:54:48Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳(メタデータ) (2020-10-14T17:54:42Z)
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。