Fugu-MT 論文翻訳(概要): Exploring Graph Based Approaches for Author Name Disambiguation

論文の概要: Exploring Graph Based Approaches for Author Name Disambiguation

arxiv url: http://arxiv.org/abs/2312.08388v1
Date: Tue, 12 Dec 2023 12:13:22 GMT
ステータス: 処理完了
システム内更新日: 2023-12-16 03:08:08.510429
Title: Exploring Graph Based Approaches for Author Name Disambiguation
Title（参考訳）: 著者名曖昧化のためのグラフベースのアプローチの探索
Authors: Chetanya Rastogi, Prabhat Agarwal, Shreya Singh
Abstract要約: 科学文献管理、研究者検索、ソーシャルネットワーク分析、名前曖昧化(WhosWhoの曖昧化)など、多くの応用が課題となっている。そこで本研究では,問題に固有のネットワーク構造を用いて,名前の曖昧さを解消する作業を行うことのできるモデルを探索し,モデルの解析を行う。
参考スコア（独自算出の注目度）: 1.3121410433987561
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In many applications, such as scientific literature management, researcher search, social network analysis and etc, Name Disambiguation (aiming at disambiguating WhoIsWho) has been a challenging problem. In addition, the growth of scientific literature makes the problem more difficult and urgent. Although name disambiguation has been extensively studied in academia and industry, the problem has not been solved well due to the clutter of data and the complexity of the same name scenario. In this work, we aim to explore models that can perform the task of name disambiguation using the network structure that is intrinsic to the problem and present an analysis of the models.
Abstract（参考訳）: 科学文献管理、研究者の検索、ソーシャルネットワーク分析など、多くの応用において、名前の曖昧さ(whoiswhoを曖昧さから解放する)は難しい問題となっている。さらに、科学文献の成長により、この問題はより困難で緊急に解決される。名前の曖昧さは学術や産業で広く研究されてきたが、データの散らばりと同一の名前シナリオの複雑さのために解決されていない。そこで本研究では,問題に固有のネットワーク構造を用いて,名前の曖昧さを解消する作業を行うことのできるモデルを探索し,モデルの解析を行う。

関連論文リスト

Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できるこの研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
論文参考訳（メタデータ） (2024-07-17T20:01:21Z)
Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オンロジはドメインの知識とメタデータを表現するために広く使われている。直接支援できる論理的推論は、学習、近似、予測において非常に限られています。 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。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。 50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
論文参考訳（メタデータ） (2024-03-21T08:54:56Z)
Named Entity Resolution in Personal Knowledge Graphs [8.185725740857594]
本章では、個人知識グラフ(PKG)の文脈における名前付きERの具体的問題について論じる。まず、問題の形式的定義と、高品質で効率的なERに必要なコンポーネントから始める。次に、既存の技術がPKGにどのように適用できるかに焦点をあてて、簡単な文献レビューを行う。
論文参考訳（メタデータ） (2023-07-22T21:39:35Z)
GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文参考訳（メタデータ） (2023-02-16T16:45:36Z)
Why are NLP Models Fumbling at Elementary Math? A Survey of Deep Learning based Word Problem Solvers [7.299537282917047]
単語問題を解くために開発された様々なモデルについて批判的に検討する。学術的な関心が豊富にあるにもかかわらず、主に使われている実験とデータセットの設計がいまだに停滞している理由を、一歩後退して分析する。
論文参考訳（メタデータ） (2022-05-31T10:51:25Z)
Formal Mathematics Statement Curriculum Learning [64.45821687940946]
同じ計算予算、専門家の反復、つまり、学習にインターリーブされた証明検索が、証明検索のみを劇的に上回っていることを示す。また, 難易度が十分に異なる形式文の集合に適用した場合, 専門家の反復により, ますます困難な問題に対するカリキュラムの発見と解決が可能であることも観察した。
論文参考訳（メタデータ） (2022-02-03T00:17:00Z)
Fitness Landscape Footprint: A Framework to Compare Neural Architecture Search Problems [12.901952926144258]
我々は、フィットネスランドスケープ分析を用いて、ニューラルアーキテクチャー探索問題を研究する。本稿では,古典画像分類ベンチマークCIFAR-10とリモートセンシング問題So2Sat LCZ42の2つの問題について検討する。
論文参考訳（メタデータ） (2021-11-02T13:20:01Z)
Pairwise Learning for Name Disambiguation in Large-Scale Heterogeneous Academic Networks [81.00481125272098]
本稿では,MA-PairRNN(Multi-view Attention-based Pairwise Recurrent Neural Network)を提案する。 MA-PairRNNは、不均一グラフ埋め込み学習とペアワイズ類似学習をフレームワークに統合する。実世界の2つのデータセットの結果から、我々のフレームワークは名前の曖昧さに対するパフォーマンスを著しく一貫した改善をしていることがわかる。
論文参考訳（メタデータ） (2020-08-30T06:08:20Z)
Axiom Pinpointing [0.0]
公理ピンポイント(英: Axiom pinpointing)とは、オントロジーにおいて、従う結果の原因となる特定の公理を見つけるタスクを指す。本稿では,公理ピンポインティングの概要を概説し,基本的な概念,それを解決するための異なるアプローチ,そして文献で検討されているいくつかのバリエーションと応用について述べる。
論文参考訳（メタデータ） (2020-03-18T15:55:54Z)

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。