論文の概要: An approach based on Open Research Knowledge Graph for Knowledge
Acquisition from scientific papers
- arxiv url: http://arxiv.org/abs/2308.12981v1
- Date: Wed, 23 Aug 2023 20:05:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 16:34:32.212065
- Title: An approach based on Open Research Knowledge Graph for Knowledge
Acquisition from scientific papers
- Title（参考訳）: 科学論文からの知識獲得のためのオープンリサーチナレッジグラフに基づくアプローチ
- Authors: Azanzi Jiomekong and Sanju Tiwari
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.8951183832371
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: A scientific paper can be divided into two major constructs which are
Metadata and Full-body text. Metadata provides a brief overview of the paper
while the Full-body text contains key-insights that can be valuable to fellow
researchers. To retrieve metadata and key-insights from scientific papers,
knowledge acquisition is a central activity. It consists of gathering,
analyzing and organizing knowledge embedded in scientific papers in such a way
that it can be used and reused whenever needed. Given the wealth of scientific
literature, manual knowledge acquisition is a cumbersome task. Thus,
computer-assisted and (semi-)automatic strategies are generally adopted. Our
purpose in this research was two fold: curate Open Research Knowledge Graph
(ORKG) with papers related to ontology learning and define an approach using
ORKG as a computer-assisted tool to organize key-insights extracted from
research papers. This approach was used to document the "epidemiological
surveillance systems design and implementation" research problem and to prepare
the related work of this paper. It is currently used to document "food
information engineering", "Tabular data to Knowledge Graph Matching" and
"Question Answering" research problems and "Neuro-symbolic AI" domain.
- Abstract（参考訳）: 科学論文は、メタデータとフルボディテキストの2つの主要な構成要素に分けられる。
メタデータは論文の簡単な概要を提供し、フルボディのテキストには、同僚の研究者にとって価値のあるキーインサイトが含まれている。
科学論文からメタデータやキーインサイトを取得するためには,知識獲得が重要な活動である。
科学論文に埋め込まれた知識を収集、分析、整理し、必要に応じて再利用できるように構成されている。
科学文献が豊富だから、手作業による知識獲得は面倒な作業だ。
したがって、コンピュータ支援と半自動戦略が一般的に採用されている。
本研究の目的は,オープンリサーチ知識グラフ(ORKG)をオントロジー学習に関する論文でキュレートし,コンピュータ支援ツールとしてORKGを用いて研究論文から抽出したキーインサイトを整理するアプローチを定義することである。
このアプローチは、"epidemiological surveillance systems design and implementation"研究問題を文書化し、関連する研究を準備するために用いられた。
現在、"food information engineering"、"tabular data to knowledge graph matching"、"question answering"研究問題、"neuro-symbolic ai"ドメインの文書化に使用されている。
関連論文リスト
- Knowledge Navigator: LLM-guided Browsing Framework for Exploratory Search in Scientific Literature [48.572336666741194]
本稿では,探索探索能力の向上を目的とした知識ナビゲータを提案する。
検索された文書を、名前と記述の科学トピックとサブトピックの、ナビゲート可能な2段階の階層に整理する。
論文 参考訳（メタデータ） (2024-08-28T14:48:37Z) - 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) - Artificial intelligence to automate the systematic review of scientific
literature [0.0]
我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。
現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
論文 参考訳（メタデータ） (2024-01-13T19:12:49Z) - Object Recognition from Scientific Document based on Compartment Refinement Framework [2.699900017799093]
膨大な資源から貴重な情報を効率的に抽出することがますます重要になっている。
科学文書の現在のデータ抽出方法は、ルールベース(RB)または機械学習(ML)アプローチを用いるのが一般的である。
我々はCTBR(Compartment & Text Blocks Refinement)と呼ばれる新しい文書レイアウト分析フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-14T15:36:49Z) - Document AI: Benchmarks, Models and Applications [35.46858492311289]
ドキュメントAI(Document AI)とは、ビジネス文書を自動的に読み、理解し、分析する技術である。
近年、ディープラーニング技術の人気は、Document AIの開発を大きく進めている。
本稿では,代表モデル,タスク,ベンチマークデータセットについて概説する。
論文 参考訳（メタデータ） (2021-11-16T16:43:07Z) - 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) - A New Neural Search and Insights Platform for Navigating and Organizing
AI Research [56.65232007953311]
我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。
本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
論文 参考訳（メタデータ） (2020-10-30T19:12:25Z) - 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) - From Standard Summarization to New Tasks and Beyond: Summarization with
Manifold Information [77.89755281215079]
テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。
現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。
本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
論文 参考訳（メタデータ） (2020-05-10T14:59:36Z) - A Survey on Knowledge Graphs: Representation, Acquisition and
Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。
知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。
メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文 参考訳（メタデータ） (2020-02-02T13:17:31Z)
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。