論文の概要: Using Artificial Intuition in Distinct, Minimalist Classification of Scientific Abstracts for Management of Technology Portfolios

• arxiv url: http://arxiv.org/abs/2508.13182v1
• Date: Wed, 13 Aug 2025 22:32:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.634292
• Title: Using Artificial Intuition in Distinct, Minimalist Classification of Scientific Abstracts for Management of Technology Portfolios
• Title（参考訳）: 直感を用いた技術ポートフォリオ管理のための科学用語のミニマリスト分類
• Authors: Prateek Ranka, Fred Morstatter, Andrea Belz, Alexandra Graddy-Reed,
• Abstract要約: メタデータを生成するための専門家のアプローチを再現するために,人工直観と呼ぶプロセスの応用について述べる。 我々は、米国国立科学財団から公開されている抽象資料を使って、ラベルのセットを作成しています。 研究ポートフォリオ管理,技術スカウト,その他の戦略的活動において,本手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 47.068411495203
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Classification of scientific abstracts is useful for strategic activities but challenging to automate because the sparse text provides few contextual clues. Metadata associated with the scientific publication can be used to improve performance but still often requires a semi-supervised setting. Moreover, such schemes may generate labels that lack distinction -- namely, they overlap and thus do not uniquely define the abstract. In contrast, experts label and sort these texts with ease. Here we describe an application of a process we call artificial intuition to replicate the expert's approach, using a Large Language Model (LLM) to generate metadata. We use publicly available abstracts from the United States National Science Foundation to create a set of labels, and then we test this on a set of abstracts from the Chinese National Natural Science Foundation to examine funding trends. We demonstrate the feasibility of this method for research portfolio management, technology scouting, and other strategic activities.
• Abstract（参考訳）: 科学的抽象化の分類は戦略的活動には有用であるが、スパーステキストが文脈的手がかりをほとんど与えないため、自動化が困難である。 科学出版物に関連するメタデータは、パフォーマンスを向上させるために使用できるが、それでも半教師付き設定を必要とすることが多い。 さらに、そのようなスキームは区別が欠けているラベルを生成する可能性がある。 対照的に、専門家はこれらのテキストを簡単にラベル付けしてソートする。 本稿では,大言語モデル(LLM)を用いてメタデータを生成することによって,専門家のアプローチを再現するために人工直観と呼ぶプロセスの応用について述べる。 我々は、米国国立科学財団から入手可能な抽象化を用いてラベルのセットを作成し、それを中国国立自然科学財団の抽象セットでテストし、資金調達動向を調べます。 研究ポートフォリオ管理,技術スカウト,その他の戦略的活動において,本手法の有効性を実証する。

関連論文リスト

• Science Hierarchography: Hierarchical Organization of Science Literature [20.182213614072836]
  我々は、科学文献を高品質な階層構造に整理する目的であるSCIENCE HIERARCHOGRAPHYを動機付けている。 我々は、効率的な埋め込みベースのクラスタリングとLLMベースのプロンプトを組み合わせたハイブリッドアプローチを開発した。 その結果,本手法は解釈可能性を改善し,科学的文献を探索するための代替経路を提供することがわかった。
  論文  参考訳（メタデータ） (2025-04-18T17:59:29Z)
• Can AI Extract Antecedent Factors of Human Trust in AI? An Application of Information Extraction for Scientific Literature in Behavioural and Computer Sciences [9.563656421424728]
  AIへの信頼は、AIアプリケーションに対する人間の信頼に寄与する要因を研究する場所である。 ドメインエキスパートの入力により、このドメインで最初の注釈付き英語データセットを作成します。 我々は、名前付きエンティティと関係抽出における大きな言語モデルを用いて、最先端の手法でベンチマークを行う。 本結果から,本課題には,現在,プロンプトベースLLMでは実現不可能な教師あり学習が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-12-16T00:02:38Z)
• Artificial Intuition: Efficient Classification of Scientific Abstracts [42.299140272218274]
  短い科学的テキストは、解釈を助けるための豊富な知識を持つ専門家に、密集した情報を効率的に伝達する。 このギャップに対処するために、我々は、粗いドメイン固有のラベルを生成し、適切に割り当てる新しいアプローチを開発した。 本稿では,大規模言語モデル(LLM)が,補足的知識の強化に類似したプロセスにおいて,タスクに不可欠なメタデータを提供することを示す。
  論文  参考訳（メタデータ） (2024-07-08T16:34:47Z)
• Learning with Language-Guided State Abstractions [58.199148890064826]
  高次元観測空間における一般化可能なポリシー学習は、よく設計された状態表現によって促進される。 我々の手法であるLGAは、自然言語の監視と言語モデルからの背景知識を組み合わせて、目に見えないタスクに適した状態表現を自動構築する。 シミュレーションされたロボットタスクの実験では、LGAは人間によって設計されたものと同様の状態抽象化をもたらすが、そのほんの少しの時間で得られる。
  論文  参考訳（メタデータ） (2024-02-28T23:57:04Z)
• AbsPyramid: Benchmarking the Abstraction Ability of Language Models with a Unified Entailment Graph [62.685920585838616]
  抽象能力は人間の知性において必須であり、言語モデルでは未探索のままである。 本稿では、抽象知識の221Kテキスト記述を統一したエンテーメントグラフであるAbsPyramidを提案する。
  論文  参考訳（メタデータ） (2023-11-15T18:11:23Z)
• Automated Annotation of Scientific Texts for ML-based Keyphrase Extraction and Validation [0.0]
  ラベルなしテキストに対するML生成メタデータの検証のための2つの新しいテキストラベリング手法を提案する。 本手法は,未ラベルテキストと科学領域に関する既存の情報を活用する2つの新しい手法の可能性を示す。
  論文  参考訳（メタデータ） (2023-11-08T22:09:31Z)
• Generating Knowledge Graphs by Employing Natural Language Processing and Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
  本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。 本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。 セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
  論文  参考訳（メタデータ） (2020-10-28T08:31:40Z)

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。