論文の概要: Detecting Emerging Technologies in Artificial Intelligence Scientific
Ecosystem Using an Indicator-based Model
- arxiv url: http://arxiv.org/abs/2211.01348v1
- Date: Thu, 6 Oct 2022 15:01:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 15:12:39.808591
- Title: Detecting Emerging Technologies in Artificial Intelligence Scientific
Ecosystem Using an Indicator-based Model
- Title（参考訳）: 指標モデルを用いた人工知能科学生態系の創発的技術検出
- Authors: Ali Ghaemmaghami, Andrea Schiffauerova, Ashkan Ebadi
- Abstract要約: 我々は,論文情報と特許情報の両方を同時に活用する上で有効な,コラボレーションと技術的な影響の2つの新しい属性を紹介した。
提案手法は,本研究の期間に出現するトピックを同定する上で有効であることが確認された。
- 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: Early identification of emergent topics is of eminent importance due to their
potential impacts on society. There are many methods for detecting emerging
terms and topics, all with advantages and drawbacks. However, there is no
consensus about the attributes and indicators of emergence. In this study, we
evaluate emerging topic detection in the field of artificial intelligence using
a new method to evaluate emergence. We also introduce two new attributes of
collaboration and technological impact which can help us use both paper and
patent information simultaneously. Our results confirm that the proposed new
method can successfully identify the emerging topics in the period of the
study. Moreover, this new method can provide us with the score of each
attribute and a final emergence score, which enable us to rank the emerging
topics with their emergence scores and each attribute score.
- Abstract（参考訳）: 創発的トピックの早期発見は、社会への潜在的な影響により、顕著に重要である。
新たな用語やトピックを検出する方法は数多くあり、いずれもメリットと欠点がある。
しかし、出現の属性や指標については意見の一致がない。
本研究では,人工知能の分野におけるトピック検出について,新たな手法を用いて評価する。
また, 論文情報と特許情報の両方を同時に利用するための, コラボレーションと技術的影響の2つの新たな属性を紹介する。
提案手法は,研究期間中に新たに出現するトピックの同定に有効であることが確認できた。
さらに,新たな手法により,各属性のスコアと最終出現スコアが提供され,その出現スコアと各属性スコアで新興トピックのランク付けが可能になる。
関連論文リスト
- WISDOM: An AI-powered framework for emerging research detection using weak signal analysis and advanced topic modeling [1.8434042562191815]
我々は、新たな研究テーマを検出するために、WISDOMと呼ばれる自動化人工知能対応フレームワークを提案する。
WISDOMは、高度なトピックモデリングと弱い信号分析を用いて、新たな研究テーマを検出する。
水中センシング技術の分野において,WISDOMによる研究の進展と動向の把握における性能の評価を行った。
論文 参考訳（メタデータ） (2024-09-09T18:08:08Z) - On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、目に見えない領域の認識と推論をモデルに与えることを目的としている。
本稿では,近年の素子ワイドZSIRの進歩について概説する。
まず、オブジェクト認識、合成認識、基礎モデルに基づくオープンワールド認識という3つの基本的なZSIRタスクを、統一された要素的視点に統合する。
論文 参考訳（メタデータ） (2024-08-09T05:49:21Z) - Knowledge-enhanced Neural Machine Reasoning: A Review [67.51157900655207]
既存の知識強化手法を2つの主要なカテゴリと4つのサブカテゴリに分類する新しい分類法を導入する。
我々は、現在のアプリケーションドメインを解明し、将来的な研究の展望について洞察を提供する。
論文 参考訳（メタデータ） (2023-02-04T04:54:30Z) - Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。
NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文 参考訳（メタデータ） (2022-10-28T04:38:10Z) - Empathetic Conversational Systems: A Review of Current Advances, Gaps,
and Opportunities [2.741266294612776]
多くの研究が共感の利点を認識し、共感を会話システムに取り入れ始めた。
本稿では,5つのレビュー次元を用いて,急速に成長するこの分野について検討する。
論文 参考訳（メタデータ） (2022-05-09T05:19:48Z) - Deep Gait Recognition: A Survey [15.47582611826366]
歩行認識は、歩き方に基づいて個人を識別することを目的とした魅力的な生体測定モダリティです。
ディープラーニングは、差別的な表現を自動的に学習する能力によって、2015年からこの分野の研究環境を再構築した。
深層学習による歩行認識のブレークスルーと最近の展開を総合的に紹介します。
論文 参考訳（メタデータ） (2021-02-18T18:49:28Z) - Recent Progress in Appearance-based Action Recognition [73.6405863243707]
アクション認識は、ビデオ内の様々な人間の行動を特定するタスクである。
最近の外見に基づく手法は、正確な行動認識に向けて有望な進歩を遂げている。
論文 参考訳（メタデータ） (2020-11-25T10:18:12Z) - A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。
そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文 参考訳（メタデータ） (2020-09-25T12:01:53Z) - SIDU: Similarity Difference and Uniqueness Method for Explainable AI [21.94600656231124]
本稿では,深層学習ネットワークにおける新たな視覚的説明法について述べる。
提案手法は,有望な視覚的説明が有望であることを示す。
論文 参考訳（メタデータ） (2020-06-04T20:33:40Z) - SEEK: Segmented Embedding of Knowledge Graphs [77.5307592941209]
本稿では,モデル複雑性を増大させることなく,高い競争力を持つ関係表現性を実現する軽量なモデリングフレームワークを提案する。
本フレームワークは,評価関数の設計に重点を置いており,1)十分な特徴相互作用の促進,2)関係の対称性と反対称性の両特性の保存,という2つの重要な特徴を強調している。
論文 参考訳（メタデータ） (2020-05-02T15:15:50Z)
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。