論文の概要: KG-EmpiRE: A Community-Maintainable Knowledge Graph for a Sustainable Literature Review on the State and Evolution of Empirical Research in Requirements Engineering
- arxiv url: http://arxiv.org/abs/2405.08351v1
- Date: Tue, 14 May 2024 06:42:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-15 14:58:01.178943
- Title: KG-EmpiRE: A Community-Maintainable Knowledge Graph for a Sustainable Literature Review on the State and Evolution of Empirical Research in Requirements Engineering
- Title(参考訳): KG-Empire: 要求工学における実証研究の状況と進化に関する持続可能な文献レビューのためのコミュニティ管理可能な知識グラフ
- Authors: Oliver Karras,
- Abstract要約: KG-EmpiREは、IEEE International Requirements Engineering Conference (1994-2022)で発表された680の論文から抽出された科学的データに基づいて、要求工学における経験的研究の知識グラフ(KG)である
KG-EmpiRE は Open Research Knowledge Graph (ORKG) でメンテナンスされており、すべてのデータを FAIR データ原則に従って、オープンかつ長期に利用できるようにしている。
199の論文(2014-2022)に基づいた最初のリリース以来、KG-EmpiREとその分析は2回更新され、現在は650以上の論文をカバーしている。
- 参考スコア(独自算出の注目度): 0.43512163406552
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last two decades, several researchers provided snapshots of the "current" state and evolution of empirical research in requirements engineering (RE) through literature reviews. However, these literature reviews were not sustainable, as none built on or updated previous works due to the unavailability of the extracted and analyzed data. KG-EmpiRE is a Knowledge Graph (KG) of empirical research in RE based on scientific data extracted from currently 680 papers published in the IEEE International Requirements Engineering Conference (1994-2022). KG-EmpiRE is maintained in the Open Research Knowledge Graph (ORKG), making all data openly and long-term available according to the FAIR data principles. Our long-term goal is to constantly maintain KG-EmpiRE with the research community to synthesize a comprehensive, up-to-date, and long-term available overview of the state and evolution of empirical research in RE. Besides KG-EmpiRE, we provide its analysis with all supplementary materials in a repository. This repository contains all files with instructions for replicating and (re-)using the analysis locally or via executable environments and for repeating the research approach. Since its first release based on 199 papers (2014-2022), KG-EmpiRE and its analysis have been updated twice, currently covering over 650 papers. KG-EmpiRE and its analysis demonstrate how innovative infrastructures, such as the ORKG, can be leveraged to make data from literature reviews FAIR, openly available, and maintainable for the research community in the long term. In this way, we can enable replicable, (re-)usable, and thus sustainable literature reviews to ensure the quality, reliability, and timeliness of their research results.
- Abstract(参考訳): 過去20年間に、いくつかの研究者が文献レビューを通じて、要求工学(RE)における経験的研究の「現在の」状態と進化のスナップショットを提供した。
しかし、これらの文献レビューは、抽出・解析されたデータの有効性のため、以前の作品の上に構築・更新されることが無かったため、持続可能ではなかった。
KG-Empireは、現在IEEE International Requirements Engineering Conference (1994-2022)で発行されている680の論文から抽出された科学的データに基づいて、REにおける経験的研究の知識グラフ(KG)である。
KG-EmpiRE は Open Research Knowledge Graph (ORKG) でメンテナンスされており、すべてのデータを FAIR データ原則に従って、オープンかつ長期に利用できるようにしている。
我々の長期的な目標は、KG-Empireを研究コミュニティと継続的に維持し、REにおける実証研究の現状と進化の包括的で最新の、そして長期的な概要を合成することである。
KG-EmpiREの他に、リポジトリ内のすべての補助材料について分析を行う。
このリポジトリにはすべてのファイルが含まれており、ローカルまたは実行可能環境を介して分析を複製および(再)再利用し、研究アプローチを繰り返すための命令がある。
199の論文(2014-2022)に基づいた最初のリリース以来、KG-EmpiREとその分析は2回更新され、現在は650以上の論文をカバーしている。
KG-EmpiREとその分析は、ORKGのような革新的なインフラがどのように活用され、文献レビューからデータを得ることができるかを示している。
このようにして、複製可能で(再使用可能で、持続可能な文献レビューを可能にすることで、研究結果の品質、信頼性、タイムラインを保証できます。
関連論文リスト
- SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [80.49349719239584]
SciRIFF(Scientific Resource for Instruction-Following and Finetuning, SciRIFF)は、54のタスクに対して137Kの命令追従デモのデータセットである。
SciRIFFは、幅広い科学分野の研究文献から情報を抽出し、合成することに焦点を当てた最初のデータセットである。
論文 参考訳(メタデータ) (2024-06-10T21:22:08Z) - Towards a Quality Indicator for Research Data publications and Research
Software publications -- A vision from the Helmholtz Association [0.24848203755267903]
研究データや研究ソフトウェアの品質を評価・評価するプロセスはまだ確立されていない。
Task Group Quality Indicators for Data and Software Publicationsは現在、研究データおよび研究ソフトウェア出版のための品質指標を開発している。
論文 参考訳(メタデータ) (2024-01-16T20:00:27Z) - The Open Review-Based (ORB) dataset: Towards Automatic Assessment of
Scientific Papers and Experiment Proposals in High-Energy Physics [0.0]
新しい包括的オープンレビューベースデータセット(ORB)を紹介する。
これには36,000以上の科学論文のキュレートされたリストが含まれ、89,000以上のレビューと最終決定が含まれている。
本稿では,データアーキテクチャと収集データの概要と関連する統計について述べる。
論文 参考訳(メタデータ) (2023-11-29T20:52:02Z) - Divide and Conquer the EmpiRE: A Community-Maintainable Knowledge Graph
of Empirical Research in Requirements Engineering [0.3277163122167433]
要件エンジニアリング(RE)に関する実証研究は、常に進化している。
根底にある問題は、以前の作業からのデータが利用できないことだ。
オープンリサーチ知識グラフ(ORKG)を,REにおける経験的研究の知識グラフを構築,公開するための基盤として利用する方法について検討する。
論文 参考訳(メタデータ) (2023-06-29T08:55:35Z) - A Review on Knowledge Graphs for Healthcare: Resources, Applications,
and Promises [53.48844796428081]
この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。
HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。
アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
論文 参考訳(メタデータ) (2023-06-07T21:51:56Z) - SKG: A Versatile Information Retrieval and Analysis Framework for
Academic Papers with Semantic Knowledge Graphs [9.668240269886413]
本稿では,抽象概念やメタ情報から意味概念を統合してコーパスを表現するセマンティック知識グラフを提案する。
SKGは、高い多様性と豊富な情報コンテンツが格納されているため、学術文献における様々なセマンティッククエリをサポートすることができる。
論文 参考訳(メタデータ) (2023-06-07T20:16:08Z) - A Comprehensive Survey on Deep Learning for Relation Extraction: Recent
Advances and New Frontiers [64.30476057955852]
関係抽出(RE)は、非構造化テキストからエンティティ間の関係を識別する。
ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。
この調査は、リアルタイムREシステムの課題に取り組む研究者の協力活動を促進することが期待されている。
論文 参考訳(メタデータ) (2023-06-03T08:39:25Z) - A Decade of Knowledge Graphs in Natural Language Processing: A Survey [3.3358633215849927]
知識グラフ(KG)は学術と産業の両方から関心を集めている。
実体間の意味関係の表現として、KGは自然言語処理に特に関係があることが証明されている。
論文 参考訳(メタデータ) (2022-09-30T21:53:57Z) - 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) - Benchmarking Graph Neural Networks [75.42159546060509]
グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。
成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。
GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
論文 参考訳(メタデータ) (2020-03-02T15:58:46Z)
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。