論文の概要: Generating Scientific Articles with Machine Learning

• arxiv url: http://arxiv.org/abs/2203.16569v1
• Date: Wed, 30 Mar 2022 18:01:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-01 15:40:41.583884
• Title: Generating Scientific Articles with Machine Learning
• Title（参考訳）: 機械学習による科学記事の生成
• Authors: Eliot H. Ayache and Conor M.B. Omand
• Abstract要約: 本稿では,学術論文のデータセットに基づいて,機械学習を用いて科学論文を生成する手法を提案する。 この方法は、機械学習アルゴリズムを用いて、科学論文の構造と、科学論文からなるトレーニングデータの集合を学習する。 生成した記事と手書き記事の集合を比較することで,提案手法の性能を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the field of machine learning has seen rapid growth, with applications in a variety of domains, including image recognition, natural language processing, and predictive modeling. In this paper, we explore the application of machine learning to the generation of scientific articles. We present a method for using machine learning to generate scientific articles based on a data set of scientific papers. The method uses a machine-learning algorithm to learn the structure of a scientific article and a set of training data consisting of scientific papers. The machine-learning algorithm is used to generate a scientific article based on the data set of scientific papers. We evaluate the performance of the method by comparing the generated article to a set of manually written articles. The results show that the machine-generated article is of similar quality to the manually written articles.
• Abstract（参考訳）: 近年、機械学習の分野は急速に成長し、画像認識、自然言語処理、予測モデリングなど様々な分野で応用されている。 本稿では,機械学習の科学論文生成への応用について検討する。 本稿では,機械学習を用いて科学論文のデータセットに基づいて科学論文を生成する手法を提案する。 この方法は、機械学習アルゴリズムを使用して、科学論文の構造と科学論文からなる訓練データの集合を学習する。 機械学習アルゴリズムは、科学論文のデータセットに基づいて科学論文を生成するために使用される。 生成した記事と手書き記事の集合を比較することで,提案手法の性能を評価する。 その結果,機械が生成した記事は手書きの記事と同等の品質であることがわかった。

関連論文リスト

• The Landscape of Modern Machine Learning: A Review of Machine, Distributed and Federated Learning [0.0]
  最新の高度な機械学習アルゴリズム、アプリケーション、フレームワークについて、ハイレベルな概要を提供する。 私たちの仕事は、現代の機械学習の広大な分野への入門テキストとして役立ちます。
  論文  参考訳（メタデータ） (2023-12-05T20:40:05Z)
• Large Language Models for Scientific Synthesis, Inference and Explanation [56.41963802804953]
  大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。 我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。 このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
  論文  参考訳（メタデータ） (2023-10-12T02:17:59Z)
• Nougat: Neural Optical Understanding for Academic Documents [15.242993369368111]
  我々は,科学文書をマークアップ言語に変換する光学文字認識(OCR)タスクを実行するビジュアルトランスフォーマーモデルを提案する。 提案手法は,デジタル時代の科学的知識のアクセシビリティを高めるための,有望なソリューションを提供する。
  論文  参考訳（メタデータ） (2023-08-25T15:03:36Z)
• A Framework For Refining Text Classification and Object Recognition from Academic Articles [2.699900017799093]
  現在の学術論文のデータマイニング手法はルールベース(RB)または機械学習(ML)アプローチを採用している。 我々は,機械学習とルールベースのスキームハイブリッドであるテクストブロックリファインメントフレームワーク(TBRF)を開発した。
  論文  参考訳（メタデータ） (2023-05-27T07:59:49Z)
• MIReAD: Simple Method for Learning High-quality Representations from Scientific Documents [77.34726150561087]
  論文の高品質な表現を学習する簡単な方法であるMIREADを提案する。 私たちは、2000以上のジャーナルクラスで50万以上のPubMedとarXivの抽象クラスでMIREADをトレーニングします。
  論文  参考訳（メタデータ） (2023-05-07T03:29:55Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Scientific Machine Learning Benchmarks [0.17205106391379021]
  ディープラーニングニューラルネットワークのブレークスルーは、非常に大規模な実験データセットの分析にAIと機械学習技術の使用を変革した。 科学データセットの分析に最も適した機械学習アルゴリズムを特定することは、科学者にとって依然として課題である。 科学機械学習ベンチマークの開発における我々のアプローチを解説し、科学機械学習ベンチマークに対する他のアプローチについてレビューする。
  論文  参考訳（メタデータ） (2021-10-25T10:05:11Z)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
  ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。 ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。 本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
  論文  参考訳（メタデータ） (2020-05-27T11:56:56Z)
• Automated Content Grading Using Machine Learning [0.0]
  本研究プロジェクトは,技術科の学生による試験で書かれた理論的回答の段階付けを自動化するための原始的な実験である。 本稿では,機械学習におけるアルゴリズム的アプローチを用いて,試験回答論文の理論的内容を自動的に検証し,評価する方法について述べる。
  論文  参考訳（メタデータ） (2020-04-08T23:46:24Z)

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。