論文の概要: Modeling interdisciplinary interactions among Physics, Mathematics & Computer Science

• arxiv url: http://arxiv.org/abs/2309.10811v1
• Date: Tue, 19 Sep 2023 17:52:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 13:02:06.386328
• Title: Modeling interdisciplinary interactions among Physics, Mathematics & Computer Science
• Title（参考訳）: 物理・数学・計算機科学における学際相互作用のモデル化
• Authors: Rima Hazra, Mayank Singh, Pawan Goyal, Bibhas Adhikari and Animesh Mukherjee
• Abstract要約: 物理(PHY)、数学(MA)、計算機科学(CS)の3分野にわたる引用フローのモデル化を試みる。 これら3つのフィールド間の励振相互作用を時間的バケットシグネチャによって定量化する。 本稿では,最近提案されたリレーリンクフレームワークの変種に基づく数値モデルを提案する。
• 参考スコア（独自算出の注目度）: 12.916577025437995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interdisciplinarity has over the recent years have gained tremendous importance and has become one of the key ways of doing cutting edge research. In this paper we attempt to model the citation flow across three different fields -- Physics (PHY), Mathematics (MA) and Computer Science (CS). For instance, is there a specific pattern in which these fields cite one another? We carry out experiments on a dataset comprising more than 1.2 million articles taken from these three fields. We quantify the citation interactions among these three fields through temporal bucket signatures. We present numerical models based on variants of the recently proposed relay-linking framework to explain the citation dynamics across the three disciplines. These models make a modest attempt to unfold the underlying principles of how citation links could have been formed across the three fields over time.
• Abstract（参考訳）: 近年、学際性は極めて重要となり、最先端の研究を行う重要な方法の1つとなっている。 本稿では、物理学(phy)、数学(ma)、計算機科学(cs)の3つの分野を横断する引用フローをモデル化する。 例えば、これらのフィールドが互いに引用する特定のパターンがありますか? これら3つの分野から120万以上の記事からなるデータセットについて実験を行った。 我々は,これら3つのフィールド間の引用相互作用を時間的バケットシグネチャを通じて定量化する。 本稿では,最近提案されたリレーリンクフレームワークの変種に基づく数値モデルを提案する。 これらのモデルは、3つの分野にまたがってどのように引用リンクが形成されるかという基本的な原則を明らかにするために控えめな試みをしている。

関連論文リスト

• Implicit Personalization in Language Models: A Systematic Study [94.29756463158853]
  インプリシトパーソナライゼーション (IP) は、入力プロンプト内の暗黙の手がかりからユーザの背景を推測する言語モデルの現象である。 この研究は、厳密な数学的定式化、多面的道徳的推論フレームワーク、そして一連の事例研究を通じて、IPを体系的に研究する。
  論文  参考訳（メタデータ） (2024-05-23T17:18:46Z)
• Time to Cite: Modeling Citation Networks using the Dynamic Impact Single-Event Embedding Model [0.33123773366516646]
  引用ネットワークはシングルイベント動的ネットワークの顕著な例である。 このような単一イベントネットワークのキャラクタリゼーションのための新しい可能性関数を提案する。 Dynamic Impact Single-Event Embedding Model (DISEE)は、静的潜伏距離ネットワークの埋め込みアプローチを古典的な動的影響評価と照合する。
  論文  参考訳（メタデータ） (2024-02-28T22:59:26Z)
• Neural Dynamic Focused Topic Model [2.9005223064604078]
  ニューラル変動推論の最近の進歩を活用し、ダイナミックフォーカストピックモデルに代替的なニューラルアプローチを提案する。 本稿では,Bernoulli確率変数の列を利用してトピックの出現を追跡するトピック進化のためのニューラルモデルを開発する。
  論文  参考訳（メタデータ） (2023-01-26T08:37:34Z)
• A Molecular Multimodal Foundation Model Associating Molecule Graphs with Natural Language [63.60376252491507]
  本稿では,分子グラフとその意味的関連テキストデータから事前学習した分子マルチモーダル基礎モデルを提案する。 我々のモデルは、生物学、化学、材料、環境、医学などの分野において、AIを動力とする分野に幅広い影響を与えるだろうと考えています。
  論文  参考訳（メタデータ） (2022-09-12T00:56:57Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• Scientometric engineering: Exploring citation dynamics via arXiv eprints [0.0]
  本稿では,arXiv上の150万以上の電子プリントの引用データについて検討する。 典型的成長パターンと可溶化パターンは, 分野によって異なることが判明した。 我々は, 励起成長と可溶化の観測量的, 時間的特性に整合したモデルを導出した。
  論文  参考訳（メタデータ） (2021-06-09T12:38:44Z)
• Evaluating the state-of-the-art in mapping research spaces: a Brazilian case study [0.0]
  最近の2つの研究は、科学者の出版記録から研究地図を作成する方法を提案している。 与えられたエンティティが新しいフィールドに入るかどうかを予測するモデルの能力を評価します。 これらのモデルがどのようにブラジルの文脈で科学のダイナミクスを特徴づけることができるかを示すケーススタディを実施します。
  論文  参考訳（メタデータ） (2021-04-07T18:14:41Z)
• 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)
• What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
  本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。 本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。 本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2020-11-06T02:23:01Z)
• Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks [91.65637773358347]
  多変量時系列データに特化して設計された汎用グラフニューラルネットワークフレームワークを提案する。 グラフ学習モジュールを用いて,変数間の一方向関係を自動的に抽出する。 提案手法は,4つのベンチマークデータセットのうち3つにおいて,最先端のベースライン手法よりも優れている。
  論文  参考訳（メタデータ） (2020-05-24T04:02:18Z)

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。