論文の概要: A Search Engine for Scientific Publications: a Cybersecurity Case Study
- arxiv url: http://arxiv.org/abs/2107.00082v1
- Date: Wed, 30 Jun 2021 20:10:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-03 03:41:11.000659
- Title: A Search Engine for Scientific Publications: a Cybersecurity Case Study
- Title(参考訳): 科学出版のための検索エンジン:サイバーセキュリティケーススタディ
- Authors: Nuno Oliveira, Norberto Sousa, Isabel Pra\c{c}a
- Abstract要約: 本研究は,情報検索と読解アルゴリズムを組み合わせた科学出版のための新しい検索エンジンを提案する。
提案手法は,サイバーセキュリティの文脈に適用されているものの,高度な一般化能力を示し,他の異なる知識領域の下で容易に適用可能である。
- 参考スコア(独自算出の注目度): 0.7734726150561086
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cybersecurity is a very challenging topic of research nowadays, as
digitalization increases the interaction of people, software and services on
the Internet by means of technology devices and networks connected to it. The
field is broad and has a lot of unexplored ground under numerous disciplines
such as management, psychology, and data science. Its large disciplinary
spectrum and many significant research topics generate a considerable amount of
information, making it hard for us to find what we are looking for when
researching a particular subject. This work proposes a new search engine for
scientific publications which combines both information retrieval and reading
comprehension algorithms to extract answers from a collection of
domain-specific documents. The proposed solution although being applied to the
context of cybersecurity exhibited great generalization capabilities and can be
easily adapted to perform under other distinct knowledge domains.
- Abstract(参考訳): サイバーセキュリティは、デジタル化によってインターネット上の人々、ソフトウェア、サービスのインタラクションが、インターネットに接続された技術機器とネットワークによって増大する現在、非常に困難な研究テーマである。
この分野は広く、管理、心理学、データサイエンスなど多くの分野において、多くの未調査領域がある。
その大きな学際スペクトルと多くの重要な研究トピックは、かなりの量の情報を生み出します。
本研究は,情報検索と読解アルゴリズムを組み合わせて,ドメイン固有の文書の集合から回答を抽出する科学出版用検索エンジンを提案する。
提案手法は,サイバーセキュリティの文脈に適用されているものの,高い一般化能力を示し,他の異なる知識領域でも容易に実行可能である。
関連論文リスト
- A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual
Learning [76.47138162283714]
蓄積とは、以前取得した情報や知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
調査では、忘れることは二重刃の剣であり、ある場合には有益で望ましいと論じている。
論文 参考訳(メタデータ) (2023-07-16T16:27:58Z) - 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) - How Data Scientists Review the Scholarly Literature [4.406926847270567]
データサイエンティストの文献レビューの実践について検討する。
データサイエンスは、論文の指数的な増加を示す分野である。
これらの科学者が直面する具体的な実践や課題について、事前の研究は行われていない。
論文 参考訳(メタデータ) (2023-01-10T03:53:05Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳(メタデータ) (2022-07-18T11:38:32Z) - Researching Alignment Research: Unsupervised Analysis [14.699455652461726]
AIアライメント研究は、人工知能(AI)が人間に利益をもたらすことを保証することを目的としている。
このプロジェクトでは、既存のAIアライメント研究を収集、分析した。
フィールドは急速に成長しており、いくつかのサブフィールドが平行して出現している。
論文 参考訳(メタデータ) (2022-06-06T18:24:17Z) - Characterising Research Areas in the field of AI [68.8204255655161]
トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。
その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
論文 参考訳(メタデータ) (2022-05-26T16:30:30Z) - A Search Engine for Discovery of Biomedical Challenges and Directions [38.72769142277108]
フル長の論文から抽出したテキストの注釈付きコーパスを構築し,リリースする。
新型コロナウイルスのパンデミックに関連する学際的な作業の大規模なコーパスに焦点を当てる。
我々は、データに基づいてトレーニングされたモデルを適用して、コーパス全体の課題と方向性を特定し、この情報のための専用の検索エンジンを構築します。
論文 参考訳(メタデータ) (2021-08-31T11:08:20Z) - Semantics for Robotic Mapping, Perception and Interaction: A Survey [93.93587844202534]
理解の研究は、ロボットに世界が何を意味するのかを決定する。
人間とロボットが同じ世界で活動するようになるにつれ、人間とロボットの相互作用の展望も意味論をもたらす。
ニーズや、トレーニングデータや計算リソースの可用性向上などによって駆動されるセマンティックスは、ロボティクスにおける急速に成長している研究領域である。
論文 参考訳(メタデータ) (2021-01-02T12:34:39Z) - A New Neural Search and Insights Platform for Navigating and Organizing
AI Research [56.65232007953311]
我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。
本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
論文 参考訳(メタデータ) (2020-10-30T19:12:25Z) - Generating Knowledge Graphs by Employing Natural Language Processing and
Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。
本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。
セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
論文 参考訳(メタデータ) (2020-10-28T08:31:40Z) - Topic Diffusion Discovery Based on Deep Non-negative Autoencoder [0.0]
本稿では,話題拡散の監視に情報分散計測を用いたディープ非負のオートエンコーダを提案する。
提案手法は,研究トピックの進化と,オンライン手法による話題拡散の発見を可能にする。
論文 参考訳(メタデータ) (2020-10-08T00:58:10Z)
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。