論文の概要: Constraint-Driven Small Language Models Based on Agent and OpenAlex Knowledge Graph: Mining Conceptual Pathways and Discovering Innovation Points in Academic Papers

• arxiv url: http://arxiv.org/abs/2510.14303v1
• Date: Thu, 16 Oct 2025 04:58:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.727081
• Title: Constraint-Driven Small Language Models Based on Agent and OpenAlex Knowledge Graph: Mining Conceptual Pathways and Discovering Innovation Points in Academic Papers
• Title（参考訳）: エージェントとOpenAlex知識グラフに基づく制約駆動型小言語モデル:概念パスのマイニングと学術論文におけるイノベーションポイントの発見
• Authors: Ziye Xia, Sergei S. Ospichev,
• Abstract要約: この論文はOpenAlexオープンソース知識グラフに基づいている。 ノヴォシビルスク州立大学の8000近いオープンソース論文データを解析した結果,論文のキーとなる概念パスの分布パターンと,イノベーションポイントとレアパスの双方の間に強い相関関係があることが判明した。 本稿では,素早い設計に基づく鍵概念パス解析手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, the rapid increase in academic publications across various fields has posed severe challenges for academic paper analysis: scientists struggle to timely and comprehensively track the latest research findings and methodologies. Key concept extraction has proven to be an effective analytical paradigm, and its automation has been achieved with the widespread application of language models in industrial and scientific domains. However, existing paper databases are mostly limited to similarity matching and basic classification of key concepts, failing to deeply explore the relational networks between concepts. This paper is based on the OpenAlex opensource knowledge graph. By analyzing nearly 8,000 open-source paper data from Novosibirsk State University, we discovered a strong correlation between the distribution patterns of paper key concept paths and both innovation points and rare paths. We propose a prompt engineering-based key concept path analysis method. This method leverages small language models to achieve precise key concept extraction and innovation point identification, and constructs an agent based on a knowledge graph constraint mechanism to enhance analysis accuracy. Through fine-tuning of the Qwen and DeepSeek models, we achieved significant improvements in accuracy, with the models publicly available on the Hugging Face platform.
• Abstract（参考訳）: 近年,様々な分野の学術出版物の増加が,学術論文の分析に重大な課題をもたらしている。 重要な概念抽出は効果的な分析パラダイムであることが証明され、その自動化は産業や科学分野における言語モデルの普及によって達成されている。 しかし、既存の論文データベースは、主に類似性マッチングと鍵概念の基本的な分類に限られており、概念間の関係ネットワークを深く調べることができない。 この論文はOpenAlexオープンソース知識グラフに基づいている。 ノヴォシビルスク州立大学の8000近いオープンソース論文データを解析した結果,論文のキーとなる概念パスの分布パターンと,イノベーションポイントとレアパスの双方の間に強い相関関係があることが判明した。 本稿では,素早い設計に基づく鍵概念パス解析手法を提案する。 本手法は, 知識グラフ制約機構に基づくエージェントを構築し, 解析精度を向上させる。 QwenとDeepSeekのモデルの微調整を通じて、Hugging Faceプラットフォームで公開されたモデルを使用して、精度を大幅に向上しました。

関連論文リスト

• CHIMERA: A Knowledge Base of Scientific Idea Recombinations for Research Analysis and Ideation [7.086262532457526]
  CHIMERAは28K以上の組換え例の大規模な知識ベースである。 ChiMERAは、科学者がどのように概念を再結合し、異なる領域からインスピレーションを引き出すかを実証分析することを可能にする。 我々は2つの応用を通してCHIMERAの実用性を示す。
  論文  参考訳（メタデータ） (2025-05-27T06:36:04Z)
• Agentic Deep Graph Reasoning Yields Self-Organizing Knowledge Networks [0.0]
  エージェント型で自律的なグラフ拡張フレームワークを提案し、そこで知識を反復的に構造化し、洗練する。 各ステップにおいて、システムは、新しい概念と関係を積極的に生成し、それらをグローバルグラフにマージし、その進化した構造に基づいて後続のプロンプトを定式化する。 分析の結果,高度に連結された「ハブ」の概念の台頭や「ブリッジ」ノードのシフトの影響など,創発的なパターンが明らかとなり,エージェント的,自己強化的なグラフ構築がオープンで一貫性のある知識構造をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2025-02-18T16:44:42Z)
• AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
  AceMapは学術グラフによる知識発見のために設計された学術システムである。 本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。 AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
  論文  参考訳（メタデータ） (2024-03-05T01:17:56Z)
• Graph Foundation Models: Concepts, Opportunities and Challenges [66.37994863159861]
  ファンデーションモデルは、さまざまな人工知能アプリケーションにおいて重要なコンポーネントとして現れてきた。 一般化と適応における基礎モデルの能力は、グラフ機械学習研究者を動機付け、新しいグラフ学習パラダイムを開発する可能性について議論する。 本稿では,グラフ基礎モデル(GFM)の概念を紹介し,その重要な特徴と基礎技術について概説する。
  論文  参考訳（メタデータ） (2023-10-18T09:31:21Z)
• A Metamodel and Framework for Artificial General Intelligence From Theory to Practice [11.756425327193426]
  本稿では,自律学習と適応性を大幅に向上させるメタモデルに基づく知識表現を提案する。 我々は,時系列解析,コンピュータビジョン,自然言語理解といった問題にメタモデルを適用した。 メタモデルの驚くべき結果のひとつは、新たなレベルの自律的な学習と、マシンインテリジェンスのための最適な機能を可能にするだけでなく、それを可能にすることだ。
  論文  参考訳（メタデータ） (2021-02-11T16:45:58Z)
• 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)
• Graph Neural Networks for Node-Level Predictions [0.7310043452300736]
  ディープラーニングはコンピュータビジョン、テキスト、音声処理などの分野を含む多くの研究分野に革命をもたらした。 本研究の目的は、ノードレベルの予測タスクのための、グラフニューラルネットワークに基づく機械学習手法の、初期および近代的な概要を提供することである。
  論文  参考訳（メタデータ） (2020-06-22T11:57:03Z)
• A Gentle Introduction to Deep Learning for Graphs [23.809161531445053]
  この作品は、グラフのディープラーニング分野のチュートリアルとして設計されている。 構造化情報処理に対する局所的および反復的アプローチに基づくグラフ表現学習の一般的な定式化を導入する。 グラフの新規かつ効果的なニューラルモデルを設計するために組み合わせられる基本的なビルディングブロックを導入している。
  論文  参考訳（メタデータ） (2019-12-29T16:43:39Z)

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。