論文の概要: Exploring and Verbalizing Academic Ideas by Concept Co-occurrence

• arxiv url: http://arxiv.org/abs/2306.02282v1
• Date: Sun, 4 Jun 2023 07:01:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 18:45:37.005432
• Title: Exploring and Verbalizing Academic Ideas by Concept Co-occurrence
• Title（参考訳）: 概念共起による学術思想の探求と普及
• Authors: Yi Xu, Shuqian Sheng, Bo Xue, Luoyi Fu, Xinbing Wang, Chenghu Zhou
• Abstract要約: 本研究は,学術的アイデアインスピレーションのための概念共起に基づく枠組みを考案する。 我々は20の分野やトピックから概念の共起関係に基づき、進化する概念グラフを構築する。 我々は、共起励磁法と呼ばれる新しいデータ構造に基づくアイデアの記述を生成する。
• 参考スコア（独自算出の注目度）: 42.16213986603552
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Researchers usually come up with new ideas only after thoroughly comprehending vast quantities of literature. The difficulty of this procedure is exacerbated by the fact that the number of academic publications is growing exponentially. In this study, we devise a framework based on concept co-occurrence for academic idea inspiration, which has been integrated into a research assistant system. From our perspective, the fusion of two concepts that co-occur in an academic paper can be regarded as an important way of the emergence of a new idea. We construct evolving concept graphs according to the co-occurrence relationship of concepts from 20 disciplines or topics. Then we design a temporal link prediction method based on masked language model to explore potential connections between different concepts. To verbalize the newly discovered connections, we also utilize the pretrained language model to generate a description of an idea based on a new data structure called co-occurrence citation quintuple. We evaluate our proposed system using both automatic metrics and human assessment. The results demonstrate that our system has broad prospects and can assist researchers in expediting the process of discovering new ideas.
• Abstract（参考訳）: 研究者は通常、大量の文学を徹底的に理解した後だけ、新しいアイデアを思いつく。 この手続きの難しさは、学術出版物の数が指数関数的に増えているという事実によって悪化している。 本研究では,学術的アイデアの着想のための概念共起に基づく枠組みを考案し,研究支援システムに統合した。 我々の視点では、学術論文に共通する2つの概念の融合は、新しいアイデアの出現の重要な方法とみなすことができる。 20の分野やトピックからの概念の共起関係に従って進化する概念グラフを構築する。 次に,マスキング言語モデルに基づく時間的リンク予測手法を設計し,概念間の潜在的な接続を探索する。 また、新たに発見された接続を動詞化するために、事前学習した言語モデルを用いて、共起引用クインタプルと呼ばれる新しいデータ構造に基づくアイデアの記述を生成する。 提案システムは,自動計測と人間評価の両方を用いて評価する。 その結果,本システムには幅広い可能性があり,新たなアイデアの発見プロセスの迅速化を支援することができることがわかった。

関連論文リスト

• Discovering emergent connections in quantum physics research via dynamic word embeddings [0.562479170374811]
  概念結合予測のための動的単語埋め込みに基づく新しい手法を提案する。 知識グラフとは異なり,本手法は概念間の暗黙の関係を捉え,教師なしの方法で学習し,より広い範囲の情報を符号化する。 この表現は、科学文献における概念的関係をモデル化するための、より柔軟で情報的な方法を提供することを示唆している。
  論文  参考訳（メタデータ） (2024-11-10T19:45:59Z)
• Good Idea or Not, Representation of LLM Could Tell [86.36317971482755]
  我々は、大規模言語モデルの知識を活用し、科学的アイデアのメリットを評価することを目的としたアイデアアセスメントに焦点をあてる。 我々は、このタスクに対する様々なアプローチのパフォーマンスを訓練し評価するために、細心の注意を払って設計された、フルテキストを持つ約4万の原稿からベンチマークデータセットをリリースする。 その結果, 大規模言語モデルの表現は, 生成出力よりもアイデアの価値を定量化する可能性が高いことが示唆された。
  論文  参考訳（メタデータ） (2024-09-07T02:07:22Z)
• Encoding Hierarchical Schema via Concept Flow for Multifaceted Ideology Detection [26.702058189138462]
  多面的イデオロギー検出(MID)は、テキストの複数の面へのイデオロギー的傾きを検出することを目的としている。 MIDタスクのための新しい概念セマンティクス強化フレームワークを開発する。 提案手法は, クロストピックシナリオを含む, MIDにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-05-29T10:37:28Z)
• Learning Structure and Knowledge Aware Representation with Large Language Models for Concept Recommendation [50.31872005772817]
  概念推薦は,学習者が自身の知識状態と人間の知識システムに基づいて学習する次の概念を提案することを目的としている。 従来のアプローチでは、人間の知識システムをこれらの教育モデルを設計するプロセスに効果的に統合していない。 SKarREC(Structure and Knowledge Aware Representation Learning framework for concept Recommendation)を提案する。
  論文  参考訳（メタデータ） (2024-05-21T01:35:36Z)
• SciMON: Scientific Inspiration Machines Optimized for Novelty [68.46036589035539]
  文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。 モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。 本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
  論文  参考訳（メタデータ） (2023-05-23T17:12:08Z)
• LEATHER: A Framework for Learning to Generate Human-like Text in Dialogue [15.102346715690755]
  本稿では,対話でテキストを生成するための新しい理論フレームワークを提案する。 既存の学習理論と比較して,本フレームワークはテキスト生成に固有の多面的目標の分析を可能にする。
  論文  参考訳（メタデータ） (2022-10-14T13:05:11Z)
• Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
  本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。 ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
  論文  参考訳（メタデータ） (2022-06-03T12:24:49Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• Revisit Systematic Generalization via Meaningful Learning [15.90288956294373]
  最近の研究は、ニューラルネットワークはそのような認知能力に本質的に効果がないように見えると主張している。 新しい概念と古い概念のセマンティックリンクを条件としたシーケンス・ツー・シーケンス・モデルの合成スキルを再評価する。
  論文  参考訳（メタデータ） (2020-03-14T15:27:29Z)

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。