論文の概要: Mapping Research Trajectories
- arxiv url: http://arxiv.org/abs/2204.11859v1
- Date: Mon, 25 Apr 2022 13:32:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-27 15:14:55.316498
- Title: Mapping Research Trajectories
- Title（参考訳）: 研究軌跡のマッピング
- Authors: Bastian Sch\"afermeier, Gerd Stumme, Tom Hanika
- Abstract要約: 本稿では, あらゆる科学分野に適用可能な, 研究軌道のエンハンマッピングに関する原則的アプローチを提案する。
われわれの視覚化は、時間とともに実体の研究トピックを、直接的に相互に表現している。
実践的な実証アプリケーションでは、機械学習による出版コーパスに対する提案されたアプローチを例示する。
- 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: Steadily growing amounts of information, such as annually published
scientific papers, have become so large that they elude an extensive manual
analysis. Hence, to maintain an overview, automated methods for the mapping and
visualization of knowledge domains are necessary and important, e.g., for
scientific decision makers. Of particular interest in this field is the
development of research topics of different entities (e.g., scientific authors
and venues) over time. However, existing approaches for their analysis are only
suitable for single entity types, such as venues, and they often do not capture
the research topics or the time dimension in an easily interpretable manner.
Hence, we propose a principled approach for \emph{mapping research
trajectories}, which is applicable to all kinds of scientific entities that can
be represented by sets of published papers. For this, we transfer ideas and
principles from the geographic visualization domain, specifically trajectory
maps and interactive geographic maps. Our visualizations depict the research
topics of entities over time in a straightforward interpr. manner. They can be
navigated by the user intuitively and restricted to specific elements of
interest. The maps are derived from a corpus of research publications (i.e.,
titles and abstracts) through a combination of unsupervised machine learning
methods.
In a practical demonstrator application, we exemplify the proposed approach
on a publication corpus from machine learning. We observe that our trajectory
visualizations of 30 top machine learning venues and 1000 major authors in this
field are well interpretable and are consistent with background knowledge drawn
from the entities' publications. Next to producing interactive, interpr.
visualizations supporting different kinds of analyses, our computed
trajectories are suitable for trajectory mining applications in the future.
- Abstract（参考訳）: 毎年発行される科学論文のような情報の量は着実に増えており、広範な手作業による分析を免れるほど大きくなっている。
したがって、概観を維持するために、知識ドメインのマッピングと視覚化の自動化手法は、例えば、科学的な意思決定者にとって、必要かつ重要である。
この分野に特に興味を持つのは、時間とともに異なる実体(例えば、科学作家や会場)の研究トピックの開発である。
しかしながら、既存の分析手法は、会場のような単一のエンティティタイプにのみ適しており、研究トピックや時間次元を容易に解釈可能な方法で捉えないことが多い。
そこで本稿では,論文の集合によって表現できるあらゆる種類の科学的実体に適用可能な,emph{mapping research trajectories} の原則的アプローチを提案する。
そこで我々は,地理的視覚化領域,特に軌跡地図とインタラクティブな地理地図からアイデアと原則を伝達する。
私たちの視覚化は、時間とともにエンティティの研究トピックを単純なinterprで表現しています。
礼儀正しく
ユーザーは直感的にナビゲートでき、興味のある特定の要素に制限される。
地図は、教師なしの機械学習手法の組み合わせを通して、研究出版物(タイトルと抽象)のコーパス(コーパス)から派生している。
実践的な実証アプリケーションでは、機械学習による出版コーパスに対する提案されたアプローチを例示する。
我々は,この分野における上位30の機械学習会場と1000の著者の軌跡の可視化が十分に解釈可能であり,機関の出版物から引き出された背景知識と一致することを観察した。
次にインタラクティブなインタープリタを作る。
様々な種類の分析を支援する可視化は, 将来, トラジェクティブ・マイニング・アプリケーションに適した計算トラジェクトリである。
関連論文リスト
- The Ontoverse: Democratising Access to Knowledge Graph-based Data Through a Cartographic Interface [33.861478826378054]
我々は地理的視覚化と階層的に構造化されたドメイン知識に依存したデータナビゲーションにユニークなアプローチを開発した。
提案手法は自然言語処理技術を用いて,基礎となるデータから名前付きエンティティを抽出し,関連する意味領域参照やナビゲーション構造に対して正規化する。
これにより、エンドユーザは、ニーズに関連するエンティティを識別し、広範なグラフ分析にアクセスできるようになる。
論文 参考訳（メタデータ） (2024-07-22T10:29:25Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Towards Vision-Language Geo-Foundation Model: A Survey [65.70547895998541]
Vision-Language Foundation Models (VLFMs) は、様々なマルチモーダルタスクにおいて顕著な進歩を遂げている。
本稿では, VLGFMを網羅的にレビューし, この分野の最近の展開を要約し, 分析する。
論文 参考訳（メタデータ） (2024-06-13T17:57:30Z) - AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
AceMapは学術グラフによる知識発見のために設計された学術システムである。
本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。
AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
論文 参考訳（メタデータ） (2024-03-05T01:17:56Z) - SciMMIR: Benchmarking Scientific Multi-modal Information Retrieval [64.03631654052445]
科学領域内の画像テキストペアリングにおけるMMIR性能を評価するための最新のベンチマークは、顕著なギャップを示している。
オープンアクセス用紙コレクションを利用した特殊な科学的MMIRベンチマークを開発する。
このベンチマークは、科学的文書に詳細なキャプションのある数字や表から抽出された、530Kの精巧にキュレートされた画像テキストペアからなる。
論文 参考訳（メタデータ） (2024-01-24T14:23:12Z) - Citation Trajectory Prediction via Publication Influence Representation
Using Temporal Knowledge Graph [52.07771598974385]
既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。
本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。
APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
論文 参考訳（メタデータ） (2022-10-02T07:43:26Z) - Evaluating the state-of-the-art in mapping research spaces: a Brazilian
case study [0.0]
最近の2つの研究は、科学者の出版記録から研究地図を作成する方法を提案している。
与えられたエンティティが新しいフィールドに入るかどうかを予測するモデルの能力を評価します。
これらのモデルがどのようにブラジルの文脈で科学のダイナミクスを特徴づけることができるかを示すケーススタディを実施します。
論文 参考訳（メタデータ） (2021-04-07T18:14:41Z) - Semantic and Relational Spaces in Science of Science: Deep Learning
Models for Article Vectorisation [4.178929174617172]
我々は、自然言語処理(NLP)とグラフニューラルネットワーク(GNN)を用いて、記事の意味的・関係的な側面に基づく文書レベルの埋め込みに焦点を当てる。
論文のセマンティックな空間をNLPでエンコードできるのに対し、GNNでは研究コミュニティの社会的実践をエンコードするリレーショナルな空間を構築することができる。
論文 参考訳（メタデータ） (2020-11-05T14:57:41Z) - 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) - A Survey of Embedding Space Alignment Methods for Language and Knowledge
Graphs [77.34726150561087]
単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。
本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
論文 参考訳（メタデータ） (2020-10-26T16:08:13Z) - Topic Space Trajectories: A case study on machine learning literature [0.0]
本稿では,研究トピックの包括的追跡を可能にする構造であるトピック空間トラジェクトリを提案する。
我々は,32の出版会場から50年間の機械学習研究を対象とする出版コーパスへのアプローチの適用性を示した。
本手法は,論文分類,今後の研究課題の予測,未発表の論文提出のための会議や雑誌の掲載を推奨するために利用することができる。
論文 参考訳（メタデータ） (2020-10-23T10:53:42Z)
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。