論文の概要: Science and Technology Ontology: A Taxonomy of Emerging Topics
- arxiv url: http://arxiv.org/abs/2305.04055v1
- Date: Sat, 6 May 2023 14:04:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 17:59:26.094839
- Title: Science and Technology Ontology: A Taxonomy of Emerging Topics
- Title（参考訳）: 科学技術オントロジー:新しいトピックの分類法
- Authors: Mahender Kumar, Ruby Rani, Mirko Botarelli, Gregory Epiophaniou, and
Carsten Maple
- Abstract要約: 本稿では,異なる科学技術分野の非伝統的な話題を取り上げる自動科学技術オントロジー(S&TO)について紹介する。
提案したS&TOは、新たな研究領域の発見と分野横断のコラボレーションを促進することができる。
- 参考スコア（独自算出の注目度）: 6.4429045013848185
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Ontologies play a critical role in Semantic Web technologies by providing a
structured and standardized way to represent knowledge and enabling machines to
understand the meaning of data. Several taxonomies and ontologies have been
generated, but individuals target one domain, and only some of those have been
found expensive in time and manual effort. Also, they need more coverage of
unconventional topics representing a more holistic and comprehensive view of
the knowledge landscape and interdisciplinary collaborations. Thus, there needs
to be an ontology covering Science and Technology and facilitate
multidisciplinary research by connecting topics from different fields and
domains that may be related or have commonalities. To address these issues, we
present an automatic Science and Technology Ontology (S&TO) that covers
unconventional topics in different science and technology domains. The proposed
S&TO can promote the discovery of new research areas and collaborations across
disciplines. The ontology is constructed by applying BERTopic to a dataset of
393,991 scientific articles collected from Semantic Scholar from October 2021
to August 2022, covering four fields of science. Currently, S&TO includes 5,153
topics and 13,155 semantic relations. S&TO model can be updated by running
BERTopic on more recent datasets
- Abstract（参考訳）: オントロジはセマンティックウェブ技術において、知識を表現し、機械がデータの意味を理解できるように構造化され標準化された方法を提供することで重要な役割を果たす。
いくつかの分類学やオントロジーが生成されているが、個人は一つのドメインをターゲットにしており、時間と手作業で高価なものもいくつかある。
また、彼らは知識のランドスケープと学際的なコラボレーションをより包括的かつ包括的に表現する非伝統的なトピックをもっと網羅する必要がある。
したがって、科学と技術を扱うオントロジーと、関連性や共通性を持つ可能性のあるさまざまな分野や領域のトピックを結びつけることで、多分野の研究を促進する必要がある。
これらの課題に対処するため、異なる科学技術分野における従来と異なるトピックをカバーする自動科学技術オントロジー(S&TO)を提案する。
提案したS&TOは、新たな研究領域の発見と分野間の協力を促進することができる。
このオントロジーは、2021年10月から2022年8月まで、セマンティック・スカラーから収集された393,991の科学論文のデータセットにBERTopicを適用して構築された。
現在、S&TOには5,153のトピックと13,155のセマンティックリレーションが含まれている。
S&TOモデルは、最新のデータセット上でBERTopicを実行することで更新できる
関連論文リスト
- 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) - DeepSpeed4Science Initiative: Enabling Large-Scale Scientific Discovery
through Sophisticated AI System Technologies [116.09762105379241]
DeepSpeed4Scienceは、AIシステム技術革新を通じてユニークな機能を構築することを目指している。
我々は、構造生物学研究における2つの重要なシステム課題に対処するために、DeepSpeed4Scienceで行った初期の進歩を紹介した。
論文 参考訳（メタデータ） (2023-10-06T22:05:15Z) - Knowledge Graphs for the Life Sciences: Recent Developments, Challenges
and Opportunities [11.35513523308132]
生命科学におけるグラフ技術の利用の進展と進歩について論じる。
我々は、知識グラフ(KG)の構築と管理、新しい知識の発見におけるKGとその関連技術の使用、説明を支援する人工知能アプリケーションにおけるKGの使用の3つの幅広いトピックに焦点を当てる。
論文 参考訳（メタデータ） (2023-09-29T14:03:34Z) - Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems [268.585904751315]
科学のためのAI(AI4Science)として知られる新しい研究領域
領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。
主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
論文 参考訳（メタデータ） (2023-07-17T12:14:14Z) - AI for Science: An Emerging Agenda [30.260160661295682]
本報告では,Dagtuhl Seminar 22382 "Machine Learning for Science: Bridging Data-Driven and Mechanistic Modelling"のプログラムと成果について報告する。
AIの変革的ポテンシャルは、分野にわたって広く適用可能であることに由来するもので、研究領域間での統合によってのみ達成される。
技術的な進歩に加えて、この分野における次の進歩の波は、機械学習研究者、ドメインエキスパート、市民科学者、エンジニアのコミュニティを構築することにある。
論文 参考訳（メタデータ） (2023-03-07T20:21:43Z) - 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) - Modeling Information Change in Science Communication with Semantically
Matched Paraphrases [50.67030449927206]
SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。
SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。
SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
論文 参考訳（メタデータ） (2022-10-24T07:44:38Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳（メタデータ） (2022-09-07T19:21:19Z) - Biological Robots: Perspectives on an Emerging Interdisciplinary Field [0.0]
本稿では, 発達生物学, コンピュータ科学, ロボット工学の交差点における課題について論じる。
生物ロボットの文脈では、概念やこれまでと異なる分野における変化を探索する。
技術的制限による境界が克服されるにつれて、新たな分野が生まれることを期待している」と述べた。
論文 参考訳（メタデータ） (2022-07-02T17:06:43Z) - A Search Engine for Scientific Publications: a Cybersecurity Case Study [0.7734726150561086]
本研究は,情報検索と読解アルゴリズムを組み合わせた科学出版のための新しい検索エンジンを提案する。
提案手法は,サイバーセキュリティの文脈に適用されているものの,高度な一般化能力を示し,他の異なる知識領域の下で容易に適用可能である。
論文 参考訳（メタデータ） (2021-06-30T20:10:04Z) - 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)
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。