論文の概要: Linking Theories and Methods in Cognitive Sciences via Joint Embedding
of the Scientific Literature: The Example of Cognitive Control
- arxiv url: http://arxiv.org/abs/2203.11016v1
- Date: Wed, 16 Mar 2022 11:03:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-27 08:04:20.648548
- Title: Linking Theories and Methods in Cognitive Sciences via Joint Embedding
of the Scientific Literature: The Example of Cognitive Control
- Title（参考訳）: 科学文献の融合埋め込みによる認知科学の理論と手法のリンク--認知制御の例
- Authors: Morteza Ansarinia, Paul Schrater, Pedro Cardoso-Leite
- Abstract要約: 本稿では,認知制御の理論と実践のリンクに対する代替的アプローチを提案する。
我々は,タスクと構造を共同で表現するために,膨大な量の科学的テキストを対象とした自動テキスト解析を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditionally, theory and practice of Cognitive Control are linked via
literature reviews by human domain experts. This approach, however, is
inadequate to track the ever-growing literature. It may also be biased, and
yield redundancies and confusion. Here we present an alternative approach. We
performed automated text analyses on a large body of scientific texts to create
a joint representation of tasks and constructs. More specifically, 531,748
scientific abstracts were first mapped into an embedding space using a
transformers-based language model. Document embeddings were then used to
identify a task-construct graph embedding that grounds constructs on tasks and
supports nuanced meaning of the constructs by taking advantage of constrained
random walks in the graph. This joint task-construct graph embedding, can be
queried to generate task batteries targeting specific constructs, may reveal
knowledge gaps in the literature, and inspire new tasks and novel hypotheses.
- Abstract（参考訳）: 伝統的に、認知制御の理論と実践は、人間のドメインの専門家による文献レビューを通じて関連付けられている。
しかし、このアプローチは増え続ける文学を追跡するには不十分である。
バイアスがあり、冗長性と混乱をもたらすこともある。
ここでは別のアプローチを示す。
我々は,タスクと構造を共同で表現するために,膨大な量の科学的テキストの自動テキスト解析を行った。
より具体的には、531,748の科学的な抽象化がまず、トランスフォーマーベースの言語モデルを用いて埋め込み空間にマッピングされた。
ドキュメントの埋め込みは、タスクをベースとしたタスク構築グラフの埋め込みを識別するために使用され、グラフ内の制約付きランダムウォークを活用することで、構成のニュアンスな意味をサポートする。
この共同タスク構築グラフ埋め込みは、特定の構成物をターゲットにしたタスクバッテリを生成するためにクエリされ、文献の知識ギャップを明らかにし、新しいタスクと新しい仮説を刺激することができる。
関連論文リスト
- Detecting text level intellectual influence with knowledge graph embeddings [0.0]
オープンソースジャーナル記事のコーパスを収集し,Gemini LLMを用いて知識グラフ表現を生成する。
提案手法は,前述した手法とグラフニューラルネットワークを用いた新しい埋め込みモデルを用いて,サンプル対の論文間の引用の存在を予測しようとするものである。
論文 参考訳（メタデータ） (2024-10-31T15:21:27Z) - ATLANTIC: Structure-Aware Retrieval-Augmented Language Model for
Interdisciplinary Science [0.0]
大きな言語モデルは、多くの自然言語処理タスクで印象的なパフォーマンスを記録します。
Retrieval augmentationは、外部の知識ソースからコンテキストを取得することで、効果的なソリューションを提供する。
本稿では,検索強化時に文書構造に対応する構造対応検索言語モデルを提案する。
論文 参考訳（メタデータ） (2023-11-21T02:02:46Z) - Using Natural Language Processing and Networks to Automate Structured Literature Reviews: An Application to Farmers Climate Change Adaptation [0.0]
本研究の目的は、変数関係を抽出し、それらの結果をネットワークを用いて合成することで、自然言語処理を巧みに活用することである。
一例として,農家の気候変動適応の分析に本手法を適用した。
その結果,自然言語処理とネットワークを記述的手法で併用することで,文献レビューの結果を高速かつ解釈可能な方法で合成できることが示唆された。
論文 参考訳（メタデータ） (2023-06-16T10:05:47Z) - Pre-training Multi-task Contrastive Learning Models for Scientific
Literature Understanding [52.723297744257536]
事前学習言語モデル(LM)は、科学文献理解タスクにおいて有効であることを示す。
文献理解タスク間の共通知識共有を容易にするために,マルチタスクのコントラスト学習フレームワークであるSciMultを提案する。
論文 参考訳（メタデータ） (2023-05-23T16:47:22Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳（メタデータ） (2021-06-03T03:00:12Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z) - 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) - Summarizing Text on Any Aspects: A Knowledge-Informed Weakly-Supervised
Approach [89.56158561087209]
文書に関連する任意の側面を要約する。
監視データがないため、我々は新しい弱い監督構築法とアスペクト・モデリング・スキームを開発した。
実験により,本手法は実文書と合成文書の両方を要約することで,性能の向上を図っている。
論文 参考訳（メタデータ） (2020-10-14T03:20:46Z) - A Scientific Information Extraction Dataset for Nature Inspired
Engineering [12.819150283584328]
本稿では,科学生物学テキストにおける中心概念間のドメインに依存しない関係を表現する,1500の手書き注釈文のデータセットについて述べる。
これらの関係の議論はマルチワード表現であり、非射影グラフを形成するためにフレーズを変更することで注釈付けされている。
このデータセットは、科学的生物学的文書の粗いタイピングを目的とした関係抽出アルゴリズムのトレーニングと評価を可能にする。
論文 参考訳（メタデータ） (2020-05-15T19:25:12Z) - Explaining Relationships Between Scientific Documents [55.23390424044378]
本稿では,2つの学術文書間の関係を自然言語テキストを用いて記述する課題に対処する。
本稿では154K文書から622Kサンプルのデータセットを作成する。
論文 参考訳（メタデータ） (2020-02-02T03:54:47Z)
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。