論文の概要: CRUISE-Screening: Living Literature Reviews Toolbox
- arxiv url: http://arxiv.org/abs/2309.01684v1
- Date: Mon, 4 Sep 2023 15:58:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 18:02:50.024924
- Title: CRUISE-Screening: Living Literature Reviews Toolbox
- Title(参考訳): CRUISE-Screening: Living Literature Reviews Toolbox
- Authors: Wojciech Kusa, Petr Knoth, Allan Hanbury
- Abstract要約: CRUISE-Screeningは、生物文学レビューを行うためのウェブベースのアプリケーションである。
APIを通じて複数の検索エンジンに接続しており、定期的に検索結果を更新することができる。
- 参考スコア(独自算出の注目度): 8.292338880619061
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Keeping up with research and finding related work is still a time-consuming
task for academics. Researchers sift through thousands of studies to identify a
few relevant ones. Automation techniques can help by increasing the efficiency
and effectiveness of this task. To this end, we developed CRUISE-Screening, a
web-based application for conducting living literature reviews - a type of
literature review that is continuously updated to reflect the latest research
in a particular field. CRUISE-Screening is connected to several search engines
via an API, which allows for updating the search results periodically.
Moreover, it can facilitate the process of screening for relevant publications
by using text classification and question answering models. CRUISE-Screening
can be used both by researchers conducting literature reviews and by those
working on automating the citation screening process to validate their
algorithms. The application is open-source:
https://github.com/ProjectDoSSIER/cruise-screening, and a demo is available
under this URL: https://citation-screening.ec.tuwien.ac.at. We discuss the
limitations of our tool in Appendix A.
- Abstract(参考訳): 研究に追随し、関連する仕事を見つけることは、いまだに学者にとって時間のかかる作業である。
研究者たちは何千もの研究を掘り下げて、関連するものをいくつか特定します。
自動化技術は、このタスクの効率性と有効性を高めるのに役立つ。
CRUISE-Screeningは,生物文献レビューを行うウェブベースのアプリケーションであり,特定の分野における最新の研究を反映して継続的に更新される文献レビューの一種である。
CRUISE-ScreeningはAPIを介して複数の検索エンジンに接続しており、定期的に検索結果を更新することができる。
さらに、テキスト分類と質問応答モデルを用いて、関連する出版物のスクリーニングを容易にすることができる。
CRUISE-Screeningは、文献レビューを行う研究者と、引用スクリーニングプロセスを自動化してアルゴリズムを検証する研究者の両方で使用することができる。
アプリケーションはオープンソースで、https://github.com/projectdossier/cruise-screening、このurlでデモが提供されている。
Appendix Aにおけるツールの限界について論じる。
関連論文リスト
- System for systematic literature review using multiple AI agents:
Concept and an empirical evaluation [5.194208843843004]
本稿では,システム文献レビューの実施プロセスの完全自動化を目的とした,新しいマルチAIエージェントモデルを提案する。
このモデルは、研究者がトピックを入力するユーザフレンドリーなインターフェースを介して動作する。
関連する学術論文を検索するために使用される検索文字列を生成する。
モデルはこれらの論文の要約を自律的に要約する。
論文 参考訳(メタデータ) (2024-03-13T10:27:52Z) - LitLLM: A Toolkit for Scientific Literature Review [15.080020634480272]
Toolkit は Retrieval Augmented Generation (RAG) の原則に基づいている。
システムはまずWeb検索を開始し、関連書類を検索する。
第2に、ユーザが提供する抽象化に基づいて、検索した論文を再ランクする。
第3に、再ランクされた結果と要約に基づいて、関連する作業部を生成する。
論文 参考訳(メタデータ) (2024-02-02T02:41:28Z) - Cache & Distil: Optimising API Calls to Large Language Models [82.32065572907125]
ジェネレーティブAIツールの大規模デプロイは、ユーザクエリをフルフィルするために、LLM(Large Language Model)に対する高価なAPI呼び出しに依存することが多い。
これらの呼び出しの頻度を縮めるために、より小さな言語モデル(学生)を用いることができる。
この学生は、ユーザー要求の増加に独立して対処する能力が徐々に向上する。
論文 参考訳(メタデータ) (2023-10-20T15:01:55Z) - Benchmarking Large Language Models As AI Research Agents [105.65277755304277]
我々は,AI研究エージェントをベンチマークするMLタスクスイートであるMLAgentBenchを提案する。
我々は, GPT-4をベースとした研究エージェントが, MLAgentBenchの多くのタスクにおいて, 魅力的なMLモデルを構築できることを発見した。
長期計画や幻覚など,LSMをベースとした研究エージェントにとって重要な課題をいくつか挙げる。
論文 参考訳(メタデータ) (2023-10-05T04:06:12Z) - AI Literature Review Suite [0.0]
総合的な文献レビューを提供するために、いくつかの機能を統合するAI Literature Review Suiteを紹介します。
このツールは、オープンアクセス科学、大規模言語モデル(LLM)、自然言語処理の力を活用して、PDFファイルの検索、ダウンロード、整理を可能にする。
このスイートには、組織、対話、クエリのための統合プログラムや、文献レビューの要約も備えている。
論文 参考訳(メタデータ) (2023-07-27T17:30:31Z) - CiteBench: A benchmark for Scientific Citation Text Generation [69.37571393032026]
CiteBenchは引用テキスト生成のベンチマークである。
CiteBenchのコードはhttps://github.com/UKPLab/citebench.comで公開しています。
論文 参考訳(メタデータ) (2022-12-19T16:10:56Z) - ALBench: A Framework for Evaluating Active Learning in Object Detection [102.81795062493536]
本稿では、オブジェクト検出におけるアクティブラーニングを評価するために、ALBenchという名前のアクティブラーニングベンチマークフレームワークをコントリビュートする。
自動深層モデルトレーニングシステム上で開発されたこのALBenchフレームワークは、使いやすく、さまざまなアクティブな学習アルゴリズムと互換性があり、同じトレーニングおよびテストプロトコルを保証する。
論文 参考訳(メタデータ) (2022-07-27T07:46:23Z) - A Systematic Literature Review on the Use of Deep Learning in Software
Engineering Research [22.21817722054742]
ソフトウェア開発タスクを自動化するために、ソフトウェア工学(SE)研究者が採用するテクニックのセットが、ディープラーニング(DL)の概念に根ざしている。
本稿では,SE & DLの交差点における研究の体系的な文献レビューを行う。
我々は、機械学習技術の特定の問題領域への適用を規定する一連の原則である学習の構成要素を中心に分析を行う。
論文 参考訳(メタデータ) (2020-09-14T15:28:28Z) - CATCH: Context-based Meta Reinforcement Learning for Transferrable
Architecture Search [102.67142711824748]
CATCHは、転送可能なarChitecture searcHのための、Context-bAsed meTa強化学習アルゴリズムである。
メタラーニングとRLの組み合わせにより、CATCHは検索空間に依存しないまま、新しいタスクに効率的に適応できる。
また、ImageNet、COCO、Cityscapesの競合ネットワークとしてクロスドメインアーキテクチャサーチを扱うこともできる。
論文 参考訳(メタデータ) (2020-07-18T09:35:53Z) - Open Source Software for Efficient and Transparent Reviews [0.11179881480027788]
ASReviewはオープンソースの機械学習支援パイプラインで、アクティブラーニングを適用している。
シミュレーションにより,ASReviewは手作業によるレビューよりもはるかに効率的なレビューを実現することができることを示す。
論文 参考訳(メタデータ) (2020-06-22T11:57:10Z) - Mining Implicit Relevance Feedback from User Behavior for Web Question
Answering [92.45607094299181]
本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。
提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。
実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
論文 参考訳(メタデータ) (2020-06-13T07:02:08Z)
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。