論文の概要: Using Natural Language Processing and Networks to Automate Structured Literature Reviews: An Application to Farmers Climate Change Adaptation
- arxiv url: http://arxiv.org/abs/2306.09737v2
- Date: Wed, 3 Jul 2024 15:41:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-04 20:52:46.280804
- Title: Using Natural Language Processing and Networks to Automate Structured Literature Reviews: An Application to Farmers Climate Change Adaptation
- Title（参考訳）: 自然言語処理とネットワークを用いた構造化文献レビューの自動化:農家の気候変動適応への適用
- Authors: Sofia Gil-Clavel, Tatiana Filatova,
- Abstract要約: 本研究の目的は、変数関係を抽出し、それらの結果をネットワークを用いて合成することで、自然言語処理を巧みに活用することである。
一例として,農家の気候変動適応の分析に本手法を適用した。
その結果,自然言語処理とネットワークを記述的手法で併用することで,文献レビューの結果を高速かつ解釈可能な方法で合成できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The fast-growing number of research articles makes it problematic for scholars to keep track of the new findings related to their areas of expertise. Furthermore, linking knowledge across disciplines in rapidly developing fields becomes challenging for complex topics like climate change that demand interdisciplinary solutions. At the same time, the rise of Black Box types of text summarization makes it difficult to understand how text relationships are built, let alone relate to existing theories conceptualizing cause-effect relationships and permitting hypothesizing. This work aims to sensibly use Natural Language Processing by extracting variables relations and synthesizing their findings using networks while relating to key concepts dominant in relevant disciplines. As an example, we apply our methodology to the analysis of farmers' adaptation to climate change. For this, we perform a Natural Language Processing analysis of publications returned by Scopus in August 2022. Results show that the use of Natural Language Processing together with networks in a descriptive manner offers a fast and interpretable way to synthesize literature review findings as long as researchers back up results with theory.
- Abstract（参考訳）: 研究論文の急増は、研究者が専門分野に関する新たな発見を追跡するのに問題となる。
さらに、急速に発展する分野における知識のリンクは、学際的な解決を求める気候変動のような複雑なトピックにおいて困難になる。
同時に、ブラックボックスタイプのテキスト要約の台頭は、因果関係を概念化して仮説化を許容する既存の理論に関係して、テキストの関係がどのように構築されているかを理解するのを困難にしている。
本研究の目的は、変数関係を抽出し、関連する分野に支配的な重要な概念を網羅しながら、それらの発見をネットワークを用いて合成することで、自然言語処理を巧みに活用することである。
一例として,農家の気候変動適応の分析に本手法を適用した。
このため,2022年8月にスコパスが返却した論文の自然言語処理解析を行った。
その結果、自然言語処理とネットワークを記述的手法で併用することで、研究者が理論で結果を裏付ける限り、文献レビューの結果を高速かつ解釈可能な方法で合成できることが示唆された。
関連論文リスト
- A Review of the Applications of Deep Learning-Based Emergent Communication [1.6574413179773761]
創発的コミュニケーション(英: Emergent Communication)または創発的言語(英: emergent language)は、人間の言語に似たコミュニケーションシステムが深層強化学習環境においてどのように出現するかを研究する研究分野である。
本稿では,機械学習,自然言語処理,言語学,認知科学における創発的コミュニケーション研究の応用を包括的にレビューする。
論文 参考訳（メタデータ） (2024-07-03T17:43:54Z) - AHAM: Adapt, Help, Ask, Model -- Harvesting LLMs for literature mining [3.8384235322772864]
本稿では、BERTopicトピックモデリングフレームワークのドメイン固有のテキストbfadaptationをガイドするAHAMの方法論とメトリクスについて述べる。
LLaMa2生成言語モデルを利用することで、ワンショット学習によるトピック定義を生成する。
トピック間の類似度評価には、言語生成および翻訳プロセスからのメトリクスを利用する。
論文 参考訳（メタデータ） (2023-12-25T18:23:03Z) - Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。
モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。
このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文 参考訳（メタデータ） (2023-07-25T17:59:18Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z) - Variational Cross-Graph Reasoning and Adaptive Structured Semantics
Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。
新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。
ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文 参考訳（メタデータ） (2023-01-22T08:02:23Z) - Revise and Resubmit: An Intertextual Model of Text-based Collaboration
in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。
既存のNLP研究は個々のテキストの分析に重点を置いている。
編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文 参考訳（メタデータ） (2022-04-22T16:39:38Z) - ClimaText: A Dataset for Climate Change Topic Detection [2.9767565026354186]
文に基づく気候変動トピック検出のためのデータセットであるtextscClimaTextを紹介した。
一般的なキーワードベースのモデルは、そのような複雑で進化するタスクには不十分であることがわかった。
我々の分析は、いくつかの面で改善する大きな可能性を明らかにしている。
論文 参考訳（メタデータ） (2020-12-01T13:42:37Z) - 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) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳（メタデータ） (2020-10-14T17:54:42Z) - A Scientific Information Extraction Dataset for Nature Inspired
Engineering [12.819150283584328]
本稿では,科学生物学テキストにおける中心概念間のドメインに依存しない関係を表現する,1500の手書き注釈文のデータセットについて述べる。
これらの関係の議論はマルチワード表現であり、非射影グラフを形成するためにフレーズを変更することで注釈付けされている。
このデータセットは、科学的生物学的文書の粗いタイピングを目的とした関係抽出アルゴリズムのトレーニングと評価を可能にする。
論文 参考訳（メタデータ） (2020-05-15T19:25:12Z) - Explaining Relationships Between Scientific Documents [55.23390424044378]
本稿では,2つの学術文書間の関係を自然言語テキストを用いて記述する課題に対処する。
本稿では154K文書から622Kサンプルのデータセットを作成する。
論文 参考訳（メタデータ） (2020-02-02T03:54:47Z)
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。