論文の概要: Bridger: Toward Bursting Scientific Filter Bubbles and Boosting
Innovation via Novel Author Discovery
- arxiv url: http://arxiv.org/abs/2108.05669v1
- Date: Thu, 12 Aug 2021 11:24:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-13 14:25:38.426237
- Title: Bridger: Toward Bursting Scientific Filter Bubbles and Boosting
Innovation via Novel Author Discovery
- Title（参考訳）: bridger: 科学フィルターバブルの破裂と新規著者発見によるイノベーションの促進に向けて
- Authors: Jason Portenoy, Marissa Radensky, Jevin West, Eric Horvitz, Daniel
Weld and Tom Hope
- Abstract要約: ブリッジャー(Bridger)は、学者とその研究の発見を促進するシステムである。
論文から抽出した情報と推論されたペルソナを用いて著者の顔表現を構築する。
我々は、科学者間の共通点とコントラストを見つけるアプローチを開発する。
- 参考スコア（独自算出の注目度）: 22.839876884227536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scientific silos can hinder innovation. These information "filter bubbles"
and the growing challenge of information overload limit awareness across the
literature, making it difficult to keep track of even narrow areas of interest,
let alone discover new ones. Algorithmic curation and recommendation, which
often prioritize relevance, can further reinforce these bubbles. In response,
we describe Bridger, a system for facilitating discovery of scholars and their
work, to explore design tradeoffs among relevant and novel recommendations. We
construct a faceted representation of authors using information extracted from
their papers and inferred personas. We explore approaches both for recommending
new content and for displaying it in a manner that helps researchers to
understand the work of authors who they are unfamiliar with. In studies with
computer science researchers, our approach substantially improves users'
abilities to do so. We develop an approach that locates commonalities and
contrasts between scientists---retrieving partially similar authors, rather
than aiming for strict similarity. We find this approach helps users discover
authors useful for generating novel research ideas of relevance to their work,
at a higher rate than a state-of-art neural model. Our analysis reveals that
Bridger connects authors who have different citation profiles, publish in
different venues, and are more distant in social co-authorship networks,
raising the prospect of bridging diverse communities and facilitating
discovery.
- Abstract（参考訳）: 科学的なサイロはイノベーションを妨げる。
これらの情報「フィルターバブル」と情報過負荷の課題は文学全体において認識を制限し、新たなものの発見はさておき、より狭い関心領域の追跡を困難にしている。
アルゴリズムによるキュレーションとレコメンデーションは、しばしば関連性を重視し、これらのバブルをさらに強化することができる。
これに対し、Bridgerは、研究者とその研究の発見を促進するシステムであり、関連する新しい推奨事項間のデザイントレードオフを探索する。
論文から抽出した情報と推定されたペルソナを用いて著者の対面表現を構築する。
我々は、新しいコンテンツの推薦と、慣れ親しんでいない著者の仕事を研究者が理解するのに役立つ方法で表示することの両方のアプローチを探求する。
コンピュータサイエンス研究者による研究では、このアプローチはユーザーの能力を大幅に向上させる。
我々は、科学者間の共通点とコントラストを見つけるアプローチを開発し、厳密な類似性ではなく、部分的に類似した著者を回収する。
このアプローチは、最先端のニューラルモデルよりも高い速度で、仕事に関連性のある新しい研究アイデアを生み出すのに役立つ著者を見つけるのに役立つ。
分析の結果、ブリッジャーは、異なる引用プロファイルを持ち、異なる会場で出版し、社会的共著者ネットワークでより遠い著者を結びつけ、多様なコミュニティを橋渡しし、発見を促進する可能性を高めていることが明らかとなった。
関連論文リスト
- Expert exploranation for communicating scientific methods -- A case study in conflict research [7.181426448513601]
本研究では,研究者同士のコミュニケーションを支援するだけでなく,研究者同士のコミュニケーションを直接支援できることを示す。
我々は,対話型ビジュアルストーリーの3つのバージョンを開発し,研究者と対立する手法を説明した。
評価からの肯定的かつ広範囲なフィードバックは、専門家の爆発がビジュアルなストーリーテリングにとって有望な方向であることを示している。
論文 参考訳（メタデータ） (2024-05-23T09:15:46Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、大規模言語モデルによる研究アイデア作成エージェントである。
科学文献に基づいて繰り返し精製しながら、問題、方法、実験設計を生成する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳（メタデータ） (2024-04-11T13:36:29Z) - SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。
SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。
本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文 参考訳（メタデータ） (2024-04-09T15:01:51Z) - 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) - The Semantic Reader Project: Augmenting Scholarly Documents through
AI-Powered Interactive Reading Interfaces [54.2590226904332]
本稿では,研究論文を対象とした動的読解インタフェースの自動作成を目的としたセマンティック・リーダー・プロジェクトについて述べる。
10のプロトタイプインターフェースが開発され、300人以上の参加者と現実世界のユーザが読書体験を改善している。
本論文は,研究論文を読む際,学者と公衆の面を巡って構築する。
論文 参考訳（メタデータ） (2023-03-25T02:47:09Z) - Augmenting Scientific Creativity with Retrieval across Knowledge Domains [31.735564282883352]
論文要約から,エンドユーザが関心のあるテキストコアの一部を選択できる探索検索システムを開発した。
研究者らによるケーススタディは、クロスドメイン探索とインスピレーションを促進することを目的としたシステムにおける機会と設計の意味を明らかにする。
論文 参考訳（メタデータ） (2022-06-02T22:55:51Z) - Enhancing Reading Strategies by Exploring A Theme-based Approach to
Literature Surveys [5.004814662623872]
我々は,コーパスを視覚的に,テーマ的に探索できる方法論を考案し,個人化された全体的読解戦略を開発した。
その結果, (i) 未読の論文を選別し, (ii) より一貫性のある読解戦略を開発し, (iii) 論文間のテーマ構造と関係をより効果的に理解した。
論文 参考訳（メタデータ） (2021-02-10T10:36:45Z) - How to Train Your Agent to Read and Write [52.24605794920856]
研究論文の読み書きは、資格のある研究者が習得すべき最も特権のある能力の1つである。
読者が論文を読み、要約できるようにインテリジェントなエージェントを訓練し、おそらく新しい論文を書くための潜在的な知識の手がかりを発見し、活用できれば、それは魅力的です。
本研究では,入力段落から知識グラフ(KG)を抽出して潜在的な知識を発見できるtextitReader,新規段落を生成するgraph-to-text TextitWriter,およびtextitから構成されるDeep ReAder-Writer(DRAW)ネットワークを提案する。
論文 参考訳（メタデータ） (2021-01-04T12:22:04Z) - 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) - Mapping Researchers with PeopleMap [11.466062262579495]
PeopleMapは、研究の関心や出版物に基づいて、研究者のためのビジュアルマップを作成する。
研究者のGoogle Scholarプロファイルのみを入力として必要とすると、PeopleMapは研究者の埋め込みを生成して視覚化する。
PeopleMapは、ジョージア工科大学にまたがって採用を拡大するための肯定的なフィードバックと熱意を受けてきた。
論文 参考訳（メタデータ） (2020-08-31T20:46:27Z) - Explore, Discover and Learn: Unsupervised Discovery of State-Covering
Skills [155.11646755470582]
情報理論的スキル発見の代替手法として,'Explore, Discover and Learn'(EDL)がある。
本稿では,EDLがカバレッジ問題を克服し,学習スキルの初期状態への依存を減らし,ユーザが学習すべき行動について事前定義できるようにするなど,大きなメリットがあることを示す。
論文 参考訳（メタデータ） (2020-02-10T10:49:53Z)
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。