論文の概要: Successful Combination of Database Search and Snowballing for
Identification of Primary Studies in Systematic Literature Studies
- arxiv url: http://arxiv.org/abs/2307.02612v1
- Date: Wed, 5 Jul 2023 19:27:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 18:14:59.422532
- Title: Successful Combination of Database Search and Snowballing for
Identification of Primary Studies in Systematic Literature Studies
- Title（参考訳）: 総合文学研究におけるデータベース検索と雪玉検索の併用による初等研究の同定
- Authors: Claes Wohlin, Marcos Kalinowski, Katia Romero Felizardo, Emilia Mendes
- Abstract要約: 優れた検索戦略は、体系的な文献研究の成功に不可欠である。
我々の予想は、ハイブリッド検索戦略と呼ばれる2つの探索手法を組み合わせることで、より優れた探索を行うことができるというものである。
- 参考スコア（独自算出の注目度）: 3.9728100193454665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: A good search strategy is essential for a successful systematic
literature study. Historically, database searches have been the norm, which has
later been complemented with snowball searches. Our conjecture is that we can
perform even better searches if combining the two search approaches, referred
to as a hybrid search strategy. Objective: Our main objective was to compare
and evaluate a hybrid search strategy. Furthermore, we compared some
alternative hybrid search strategies to assess whether it was possible to
identify more cost-efficient ways of searching for relevant primary studies.
Method: To compare and evaluate the hybrid search strategy, we replicated an
SLR on industry-academia collaboration in software engineering. The SLR used a
more traditional approach to searching for relevant articles for an SLR, while
the replication was conducted using a hybrid search strategy. Results: In our
evaluation, the hybrid search strategy was superior in identifying relevant
primary studies. It identified 30 percent more primary studies and even more
when focusing only on peer-reviewed articles. To embrace individual viewpoints
when assessing research articles and minimise the risk of missing primary
studies, we introduced two new concepts, wild cards and borderline articles,
when conducting systematic literature studies. Conclusions: The hybrid search
strategy is a strong contender for being used when conducting systematic
literature studies. Furthermore, alternative hybrid search strategies may be
viable if selected wisely in relation to the start set for snowballing.
Finally, the two new concepts were judged as essential to cater for different
individual judgements and to minimise the risk of excluding primary studies
that ought to be included.
- Abstract（参考訳）: 背景: 体系的な文献研究を成功させるためには, 優れた検索戦略が不可欠である。
歴史的に、データベース検索は標準であり、後に雪だるま検索と補完された。
我々の予想では、ハイブリッド検索戦略と呼ばれる2つの探索手法を組み合わせることで、より優れた探索を行うことができる。
目的:我々の主な目的は,ハイブリッド検索戦略の比較と評価であった。
さらに,他のハイブリッド検索手法と比較し,よりコスト効率のよい探索方法の特定が可能かどうかを検討した。
手法: ハイブリッド検索戦略を比較し評価するため, ソフトウェア工学における産学連携のSLRを再現した。
SLRはより伝統的な手法を用いてSLRの関連記事の検索を行い、複製はハイブリッド検索戦略を用いて行われた。
結果:本評価において,ハイブリッド検索戦略は関連する初等研究の同定に優れていた。
査読された記事のみに焦点を合わせると、30%以上の初等的な研究が特定される。
研究論文の評価や欠落した一次研究のリスクを最小限に抑えるために,体系的な文献研究を行う際に,ワイルドカードとボーダーライン記事という2つの新しい概念を導入した。
結論: ハイブリッド検索戦略は, 体系的な文献研究を行う上で, 強力な競争相手である。
さらに,積雪開始セットに関して賢明に選択すれば,代替ハイブリッド探索戦略が実現可能である。
最後に、2つの新しい概念は、異なる個別の判断に対応し、含めるべき初等的な研究を除外するリスクを最小化するために不可欠であると判断された。
関連論文リスト
- Bridging Search and Recommendation in Generative Retrieval: Does One Task Help the Other? [9.215695600542249]
検索とレコメンデーションのための生成的検索は、アイテムを検索する上で有望なパラダイムである。
これらの生成システムは、様々な情報検索タスクを単一のモデルにまとめる上で重要な役割を果たす。
本稿では,このような統合されたアプローチが,IRタスクの検索・推薦においてタスク固有モデルより優れているかどうかを考察する。
論文 参考訳（メタデータ） (2024-10-22T08:49:43Z) - Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。
大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。
本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
論文 参考訳（メタデータ） (2024-10-17T03:26:37Z) - Query-oriented Data Augmentation for Session Search [71.84678750612754]
本稿では,検索ログの強化とモデリングの強化を目的としたクエリ指向データ拡張を提案する。
検索コンテキストの最も重要な部分を変更することで補足的なトレーニングペアを生成する。
我々は、現在のクエリを変更するためのいくつかの戦略を開発し、その結果、様々な難易度で新しいトレーニングデータを得る。
論文 参考訳（メタデータ） (2024-07-04T08:08:33Z) - A Survey of Generative Search and Recommendation in the Era of Large Language Models [125.26354486027408]
ジェネレーティブ検索(検索)とレコメンデーションは、マッチング問題をジェネレーティブな方法で解決することを目的としている。
超知能生成型大規模言語モデルが検索と推薦の新しいパラダイムを生み出した。
論文 参考訳（メタデータ） (2024-04-25T17:58:17Z) - How good are my search strings? Reflections on using an existing review
as a quasi-gold standard [1.7827643249624088]
本研究は,準ゴールド標準(QGS)を用いた探索文字列構築と探索検証に関する問題に対する意識を高めることを目的とする。
文献ではQGS品質評価の問題はあまり注目されておらず,SLSにおける自動検索の有効性が向上する可能性が示唆された。
論文 参考訳（メタデータ） (2024-02-16T19:36:19Z) - Retrieval Augmentation for Commonsense Reasoning: A Unified Approach [64.63071051375289]
検索強化コモンセンス推論(RACo)の統一的枠組みを提案する。
提案するRACoは,他の知識強化手法よりも優れる。
論文 参考訳（メタデータ） (2022-10-23T23:49:08Z) - MICO: Selective Search with Mutual Information Co-training [14.456028769565386]
MICOは、選択探索のための相互情報COトレーニングフレームワークである。
トレーニング後、MICOは文書をクラスタ化するだけでなく、検索を効率的にするために、未確認のクエリを関連するクラスタにルーティングする。
論文 参考訳（メタデータ） (2022-09-09T16:26:52Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳（メタデータ） (2022-09-08T09:13:07Z) - CrossBeam: Learning to Search in Bottom-Up Program Synthesis [51.37514793318815]
ボトムアップ合成のためのハンズオン検索ポリシーを学習するためのニューラルネットワークのトレーニングを提案する。
私たちのアプローチは、CrossBeamと呼ばれ、ニューラルモデルを使用して、以前に探索されたプログラムを新しいプログラムに組み合わせる方法を選択します。
我々はCrossBeamが効率的に検索することを学び、最先端技術と比較してプログラム空間のより小さな部分を探索する。
論文 参考訳（メタデータ） (2022-03-20T04:41:05Z) - Deep Reinforcement Agent for Efficient Instant Search [14.086339486783018]
本稿では,関連する文書を検索する上で,意味的により健全なトークンを識別することで,負荷問題に対処することを提案する。
我々は、検索エンジンと直接対話し、単語の重要性を予測する強化エージェントを訓練する。
トリガーサーチ数とシステム性能のトレードオフを研究するために,新しい評価フレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-17T22:47:15Z)
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。