論文の概要: SAINE: Scientific Annotation and Inference Engine of Scientific Research

• arxiv url: http://arxiv.org/abs/2302.14468v2
• Date: Tue, 11 Jul 2023 14:13:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-12 18:48:34.622973
• Title: SAINE: Scientific Annotation and Inference Engine of Scientific Research
• Title（参考訳）: saine: 科学的注釈と推論エンジン
• Authors: Susie Xi Rao, Yilei Tu, Peter H. Egger
• Abstract要約: 学術誌「佐根」を刊行する。 Inference ENgineは、一連の標準オープンソースソフトウェアをベースにしている。 アノテーションエンジンはより正確な分類のさらなる発展に有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.32228025627337864
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present SAINE, an Scientific Annotation and Inference ENgine based on a set of standard open-source software, such as Label Studio and MLflow. We show that our annotation engine can benefit the further development of a more accurate classification. Based on our previous work on hierarchical discipline classifications, we demonstrate its application using SAINE in understanding the space for scholarly publications. The user study of our annotation results shows that user input collected with the help of our system can help us better understand the classification process. We believe that our work will help to foster greater transparency and better understand scientific research. Our annotation and inference engine can further support the downstream meta-science projects. We welcome collaboration and feedback from the scientific community on these projects. The demonstration video can be accessed from https://youtu.be/yToO-G9YQK4. A live demo website is available at https://app.heartex.com/user/signup/?token=e2435a2f97449fa1 upon free registration.
• Abstract（参考訳）: 本稿では, Label Studio や MLflow などの標準オープンソースソフトウェアをベースとした,Scientific Annotation and Inference ENgine について紹介する。 アノテーションエンジンはより正確な分類のさらなる発展に有効であることを示す。 階層的分野分類に関するこれまでの研究に基づいて,SAINEを用いた学術出版分野の理解を実証した。 注記結果のユーザスタディは,システムの助けを借りて収集したユーザ入力が,分類プロセスの理解を深める上で有用であることを示す。 私たちの研究は、より透明性を高め、科学的研究をより理解するのに役立ちます。 アノテーションと推論エンジンは、下流のメタサイエンスプロジェクトをさらにサポートします。 これらのプロジェクトに関する科学コミュニティからの協力とフィードバックを歓迎します。 デモビデオはhttps://youtu.be/ytoo-g9yqk4からアクセスできる。 ライブデモサイトはhttps://app.heartex.com/user/signup/? token=e2435a2f97449fa1 無料登録。

関連論文リスト

• SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [80.49349719239584]
  SciRIFF(Scientific Resource for Instruction-Following and Finetuning, SciRIFF)は、54のタスクに対して137Kの命令追従デモのデータセットである。 SciRIFFは、幅広い科学分野の研究文献から情報を抽出し、合成することに焦点を当てた最初のデータセットである。
  論文  参考訳（メタデータ） (2024-06-10T21:22:08Z)
• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• Automated Focused Feedback Generation for Scientific Writing Assistance [6.559560602099439]
  SWIF$2$T:Scientific WrIting Focused Feedback Tool。 特定の、実行可能な、一貫性のあるコメントを生成し、科学論文の弱点を特定したり、修正案を提案するように設計されている。 科学的論文の弱点を引用し,300件の査読データセットを収集し,人的評価を行う。 その結果, SWIF$2$Tのフィードバックは, 他のアプローチと比較して, 特異性, 読みやすさ, 全体的な有用性を示した。
  論文  参考訳（メタデータ） (2024-05-30T20:56:41Z)
• Open-World Semi-Supervised Learning for Node Classification [53.07866559269709]
  ノード分類のためのオープンワールド半教師付き学習(Open World SSL)は、グラフコミュニティにおいて実用的だが未探索の課題である。 オープンワールド半教師付きノード分類のためのIM Balance-AwareメソッドOpenIMAを提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:12:54Z)
• LitLLM: A Toolkit for Scientific Literature Review [15.080020634480272]
  Toolkit は Retrieval Augmented Generation (RAG) の原則に基づいている。 システムはまずWeb検索を開始し、関連書類を検索する。 第2に、ユーザが提供する抽象化に基づいて、検索した論文を再ランクする。 第3に、再ランクされた結果と要約に基づいて、関連する作業部を生成する。
  論文  参考訳（メタデータ） (2024-02-02T02:41:28Z)
• Unveiling Molecular Moieties through Hierarchical Graph Explainability [0.0]
  Graph Neural Networks(GNN)は、サイリコ仮想スクリーニングをサポートする強力なツールとして登場した。 本稿では,グラフ畳み込みアーキテクチャを用いて,高精度なマルチターゲットスクリーニングを実現するGNNを提案する。 また,原子,環,分子レベルでの情報を直接取得する階層的説明可能な人工知能(XAI)技術も考案した。
  論文  参考訳（メタデータ） (2024-01-29T17:23:25Z)
• The Semantic Scholar Open Data Platform [79.4493235243312]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
  pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。 我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
  論文  参考訳（メタデータ） (2022-01-11T12:18:44Z)
• Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
  大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。 学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。 そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-23T18:28:08Z)
• Investigating Software Usage in the Social Sciences: A Knowledge Graph Approach [0.483420384410068]
  我々は、社会科学から51,000以上の科学論文から引用されたソフトウェアに関する情報を含む知識グラフ「SoftwareKG」を提示する。 LSTMベースのニューラルネットワークをトレーニングするために、ニューラルネットワークを使用して、科学論文に記載されているソフトウェアを識別した。 我々は、社会科学におけるソフトウェアの役割を評価するために、SoftwareKGをどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2020-03-24T08:38:36Z)

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。