論文の概要: Technology Mapping with Large Language Models

• arxiv url: http://arxiv.org/abs/2501.15120v1
• Date: Sat, 25 Jan 2025 08:18:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:56:59.371747
• Title: Technology Mapping with Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた技術マッピング
• Authors: Minh Hieu Nguyen, Hien Thu Pham, Hiep Minh Ha, Ngoc Quang Hung Le, Jun Jo,
• Abstract要約: STARS(Semantic Technology and Retrieval System)は、LLM(Large Language Models)とSentence-BERTを利用する新しいフレームワークである。 それは、非構造化コンテンツの中に関連技術を特定し、包括的な企業プロファイルを構築し、その運用上の重要性に応じて各企業の技術をランク付けする。 実験の結果,STARSは検索精度を著しく向上させ,産業間技術マッピングのための汎用的で高性能なソリューションを提供することがわかった。
• 参考スコア（独自算出の注目度）: 1.1900482352079937
• License:
• Abstract: In today's fast-evolving business landscape, having insight into the technology stacks that organizations use is crucial for forging partnerships, uncovering market openings, and informing strategic choices. However, conventional technology mapping, which typically hinges on keyword searches, struggles with the sheer scale and variety of data available, often failing to capture nascent technologies. To overcome these hurdles, we present STARS (Semantic Technology and Retrieval System), a novel framework that harnesses Large Language Models (LLMs) and Sentence-BERT to pinpoint relevant technologies within unstructured content, build comprehensive company profiles, and rank each firm's technologies according to their operational importance. By integrating entity extraction with Chain-of-Thought prompting and employing semantic ranking, STARS provides a precise method for mapping corporate technology portfolios. Experimental results show that STARS markedly boosts retrieval accuracy, offering a versatile and high-performance solution for cross-industry technology mapping.
• Abstract（参考訳）: 今日の急成長するビジネスの状況において、組織が使用するテクノロジスタックに関する洞察を持つことは、パートナーシップの鍛造、市場開拓の発見、戦略的選択の達成に不可欠です。 しかし、従来の技術マッピングは、通常キーワード検索に頼っているが、非常に大きなスケールとさまざまなデータに悩まされており、しばしば初期段階のテクノロジーを捉えていない。 STARS(Semantic Technology and Retrieval System)は,Large Language Models(LLMs)とSentence-BERT(Sentence-BERT)を利用して,非構造化コンテンツ内の関連技術を特定し,包括的企業プロファイルを構築し,運用上の重要性に応じて各企業の技術をランク付けする新しいフレームワークである。 STARSは、エンティティ抽出をChain-of-Thoughtと統合し、セマンティックランキングを導入することによって、企業技術ポートフォリオをマッピングするための正確な方法を提供する。 実験の結果,STARSは検索精度を著しく向上させ,産業間技術マッピングのための汎用的で高性能なソリューションを提供することがわかった。

関連論文リスト

• 3D Gaussian Splatting: Survey, Technologies, Challenges, and Opportunities [57.444435654131006]
  3D Gaussian Splatting (3DGS) は、3D表現の主流となる可能性を持つ顕著な手法として登場した。 本調査は,複数視点から既存の3DGS関連作品を分析することを目的としている。
  論文  参考訳（メタデータ） (2024-07-24T16:53:17Z)
• Measuring Technological Convergence in Encryption Technologies with Proximity Indices: A Text Mining and Bibliometric Analysis using OpenAlex [46.3643544723237]
  本研究は,サイバーセキュリティにおける新興技術間の技術的収束を明らかにする。 提案手法は,テキストマイニングとバイオロメトリ分析を統合し,技術的近接指標の定式化と予測を行う。 我々のケーススタディでは、ブロックチェーンと公開鍵暗号の間にかなりの収束が見られ、その近さが証明されている。
  論文  参考訳（メタデータ） (2024-03-03T20:03:03Z)
• Navigating the Knowledge Sea: Planet-scale answer retrieval using LLMs [0.0]
  情報検索は、技術と技術の継続的な改良によって特徴づけられる。 本稿では,従来の探索手法と解答の新たなパラダイムとのギャップを埋める上で,Large Language Models (LLMs) の役割に焦点を当てる。
  論文  参考訳（メタデータ） (2024-02-07T23:39:40Z)
• ZzzGPT: An Interactive GPT Approach to Enhance Sleep Quality [9.249102003239663]
  本稿では,Large Language Models (LLM) のパワーを活用した最先端フレームワークを提案する。 第一の目的は、行動可能なフィードバックと組み合わせた正確な睡眠予測を提供することで、既存のソリューションの限界に対処することである。
  論文  参考訳（メタデータ） (2023-10-24T23:30:17Z)
• Domain Knowledge Graph Construction Via A Simple Checker [0.0]
  本研究は,ハードウェア設計ドメインテキストからの知識グラフ構築の問題に取り組む。 GPT3.5のパワーを活用するためのオラクル・チェッカー方式を提案する。
  論文  参考訳（メタデータ） (2023-10-08T00:09:31Z)
• INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
  我々はInterNという新しい学習パラダイムを開発した。 複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。 ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
  論文  参考訳（メタデータ） (2021-11-16T18:42:50Z)
• Federated Learning: A Signal Processing Perspective [144.63726413692876]
  フェデレーションラーニングは、データを明示的に交換することなく、ローカルデータセットを保持する複数のエッジデバイスでモデルをトレーニングするための新しい機械学習パラダイムです。 本稿では、信号処理ツールを用いて扱うのが自然である主な課題をカプセル化し、強調する、連合学習のための統一的な体系的フレームワークを提供する。
  論文  参考訳（メタデータ） (2021-03-31T15:14:39Z)
• Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
  航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。 最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
  論文  参考訳（メタデータ） (2020-08-24T22:40:26Z)
• Deep Technology Tracing for High-tech Companies [67.86308971806322]
  我々は、各ハイテク企業にカスタマイズされた最も可能な技術方向を自動的に見つけるために、新しいデータ駆動ソリューション、すなわちDeep Technology Forecasting(DTF)フレームワークを開発する。 DTFは、潜在的な競合認識(PCR)、協調技術認識(CTR)、Deep Technology Tracing(DTT)ニューラルネットワークの3つのコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2020-01-02T07:44:12Z)

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。