論文の概要: Divide and Conquer the EmpiRE: A Community-Maintainable Knowledge Graph
of Empirical Research in Requirements Engineering
- arxiv url: http://arxiv.org/abs/2306.16791v1
- Date: Thu, 29 Jun 2023 08:55:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 18:46:38.823412
- Title: Divide and Conquer the EmpiRE: A Community-Maintainable Knowledge Graph
of Empirical Research in Requirements Engineering
- Title（参考訳）: 発明の分断と結束:要求工学における実証研究のコミュニティ・メンテナブルな知識グラフ
- Authors: Oliver Karras, Felix Wernlein, Jil Kl\"under and S\"oren Auer
- Abstract要約: 要件エンジニアリング(RE)に関する実証研究は、常に進化している。
根底にある問題は、以前の作業からのデータが利用できないことだ。
オープンリサーチ知識グラフ(ORKG)を,REにおける経験的研究の知識グラフを構築,公開するための基盤として利用する方法について検討する。
- 参考スコア（独自算出の注目度）: 0.3277163122167433
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: [Background.] Empirical research in requirements engineering (RE) is a
constantly evolving topic, with a growing number of publications. Several
papers address this topic using literature reviews to provide a snapshot of its
"current" state and evolution. However, these papers have never built on or
updated earlier ones, resulting in overlap and redundancy. The underlying
problem is the unavailability of data from earlier works. Researchers need
technical infrastructures to conduct sustainable literature reviews. [Aims.] We
examine the use of the Open Research Knowledge Graph (ORKG) as such an
infrastructure to build and publish an initial Knowledge Graph of Empirical
research in RE (KG-EmpiRE) whose data is openly available. Our long-term goal
is to continuously maintain KG-EmpiRE with the research community to synthesize
a comprehensive, up-to-date, and long-term available overview of the state and
evolution of empirical research in RE. [Method.] We conduct a literature review
using the ORKG to build and publish KG-EmpiRE which we evaluate against
competency questions derived from a published vision of empirical research in
software (requirements) engineering for 2020 - 2025. [Results.] From 570 papers
of the IEEE International Requirements Engineering Conference (2000 - 2022), we
extract and analyze data on the reported empirical research and answer 16 out
of 77 competency questions. These answers show a positive development towards
the vision, but also the need for future improvements. [Conclusions.] The ORKG
is a ready-to-use and advanced infrastructure to organize data from literature
reviews as knowledge graphs. The resulting knowledge graphs make the data
openly available and maintainable by research communities, enabling sustainable
literature reviews.
- Abstract（参考訳）: [背景]要件エンジニアリング(RE)に関する実証研究は、出版物の増加とともに、常に進化しているトピックです。
いくつかの論文では、文献レビューを使用して、その"現在の"状態と進化のスナップショットを提供する。
しかし、これらの論文は以前のものの上に構築または更新されることはなく、重複と冗長性をもたらす。
根本的な問題は、以前の仕事からのデータが使えないことだ。
研究者は持続可能な文献レビューを行うために技術基盤が必要である。
[aims.]オープンリサーチナレッジグラフ(orkg)を,オープンに利用可能なre(kg-empire)における実証研究の最初のナレッジグラフを構築し,公開するための基盤として利用することを検討する。
我々の長期的な目標は、KG-Empireを研究コミュニティと継続的に維持し、REにおける実証研究の現状と進化の包括的で最新の、そして長期的な概要を合成することである。
【方法】2020～2025年のソフトウェア(要件)工学における経験的研究のビジョンから得られた能力的疑問に対して評価する、kg-empireの作成と公開にorkgを用いた文献レビューを行う。
結果〕IEEE International Requirements Engineering Conference(2000年～2022年)の570件の論文から,報告された実証研究のデータを抽出,分析し,77項目中16項目に回答する。
これらの回答は、ビジョンに対するポジティブな進展を示していますが、将来的な改善の必要性も示しています。
結論.] orkgは,文献レビューのデータをナレッジグラフとして整理するための,実用的で高度なインフラストラクチャです。
得られた知識グラフは、研究コミュニティによって公開され、保守可能となり、持続可能な文献レビューを可能にする。
関連論文リスト
- KG-EmpiRE: A Community-Maintainable Knowledge Graph for a Sustainable Literature Review on the State and Evolution of Empirical Research in Requirements Engineering [0.43512163406552]
KG-EmpiREは、IEEE International Requirements Engineering Conference (1994-2022)で発表された680の論文から抽出された科学的データに基づいて、要求工学における経験的研究の知識グラフ(KG)である
KG-EmpiRE は Open Research Knowledge Graph (ORKG) でメンテナンスされており、すべてのデータを FAIR データ原則に従って、オープンかつ長期に利用できるようにしている。
199の論文(2014-2022)に基づいた最初のリリース以来、KG-EmpiREとその分析は2回更新され、現在は650以上の論文をカバーしている。
論文 参考訳（メタデータ） (2024-05-14T06:42:47Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - An approach based on Open Research Knowledge Graph for Knowledge
Acquisition from scientific papers [4.8951183832371]
Open Research Knowledge Graph (ORKG)は、研究論文から抽出されたキーインサイトを整理するコンピュータ支援ツールである。
現在、"食品情報工学"、"知識グラフマッチングへのタブラリデータ"、"クエストアンサーリング"研究問題、"Neuro-symbolic AI"ドメインの文書化に使用されている。
論文 参考訳（メタデータ） (2023-08-23T20:05:42Z) - 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) - Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。
まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。
キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文 参考訳（メタデータ） (2022-09-17T18:24:56Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - A Systematic Literature Review of Empiricism and Norms of Reporting in
Computing Education Research Literature [4.339510167603376]
本研究の目的は,コンピュータ教育研究(CER)文学における経験主義の報告を特徴付けることである。
2014年と2015年に5つのCER会場で427件の論文のSLRを行った。
80%以上の論文がある種の経験的評価をしていた。
論文 参考訳（メタデータ） (2021-07-02T16:37:29Z) - Studying the characteristics of scientific communities using
individual-level bibliometrics: the case of Big Data research [2.208242292882514]
我々は,ビッグデータ研究に携わる作家コミュニティの学齢,生産,研究の焦点について検討する。
以上の結果から,「ビッグデータ」の学術領域は,著者のコミュニティが拡大する中で,近年の話題となっている。
論文 参考訳（メタデータ） (2021-06-10T08:17:09Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳（メタデータ） (2021-06-03T03:00:12Z) - Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
引用グラフを用いて科学論文の要約作業を再定義します。
我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。
我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
論文 参考訳（メタデータ） (2021-04-07T11:13:35Z) - 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)
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。