論文の概要: GraphMind: Interactive Novelty Assessment System for Accelerating Scientific Discovery

• arxiv url: http://arxiv.org/abs/2510.15706v1
• Date: Fri, 17 Oct 2025 14:49:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.662804
• Title: GraphMind: Interactive Novelty Assessment System for Accelerating Scientific Discovery
• Title（参考訳）: GraphMind:科学発見を加速するインタラクティブノベルティアセスメントシステム
• Authors: Italo Luis da Silva, Hanqi Yan, Lin Gui, Yulan He,
• Abstract要約: $textbfGraphMind$は、科学論文や草案の新規性を評価するユーザを支援するために設計された、使いやすい対話型Webツールである。 $textbfGraphMind$を使えば、ユーザーは科学論文の主要構造を捉え、様々な視点から関連するアイデアを探求し、斬新さを評価することができる。
• 参考スコア（独自算出の注目度）: 20.945875851329244
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large Language Models (LLMs) show strong reasoning and text generation capabilities, prompting their use in scientific literature analysis, including novelty assessment. While evaluating novelty of scientific papers is crucial for peer review, it requires extensive knowledge of related work, something not all reviewers have. While recent work on LLM-assisted scientific literature analysis supports literature comparison, existing approaches offer limited transparency and lack mechanisms for result traceability via an information retrieval module. To address this gap, we introduce $\textbf{GraphMind}$, an easy-to-use interactive web tool designed to assist users in evaluating the novelty of scientific papers or drafted ideas. Specially, $\textbf{GraphMind}$ enables users to capture the main structure of a scientific paper, explore related ideas through various perspectives, and assess novelty via providing verifiable contextual insights. $\textbf{GraphMind}$ enables users to annotate key elements of a paper, explore related papers through various relationships, and assess novelty with contextual insight. This tool integrates external APIs such as arXiv and Semantic Scholar with LLMs to support annotation, extraction, retrieval and classification of papers. This combination provides users with a rich, structured view of a scientific idea's core contributions and its connections to existing work. $\textbf{GraphMind}$ is available at https://oyarsa.github.io/graphmind and a demonstration video at https://youtu.be/wKbjQpSvwJg. The source code is available at https://github.com/oyarsa/graphmind.
• Abstract（参考訳）: 大規模言語モデル(LLM)は強い推論能力とテキスト生成能力を示し、新奇性評価を含む科学文献分析に使用される。 科学的論文の新規性を評価することは、ピアレビューにとって重要であるが、すべてのレビュアーが持っているわけではない、関連する研究に関する広範な知識が必要である。 LLMを用いた科学文献分析に関する最近の研究は文献比較を裏付けるものであるが、既存の手法は情報検索モジュールを介して、情報の透明性と結果のトレーサビリティの欠如を提供する。 このギャップに対処するために、科学論文や草案の新規性を評価するユーザを支援するために設計された、使いやすい対話型Webツールである$\textbf{GraphMind}$を紹介した。 特に$\textbf{GraphMind}$は、科学論文の主要な構造を捉え、様々な視点を通して関連したアイデアを探求し、検証可能な文脈洞察を提供することで、新規性を評価することを可能にする。 $\textbf{GraphMind}$は、ユーザーが論文の重要な要素を注釈付けし、様々な関係を通して関連論文を探索し、文脈的な洞察で新規性を評価することを可能にする。 このツールは、arXivやSemantic Scholarといった外部APIとLLMを統合して、文書のアノテーション、抽出、検索、分類をサポートする。 この組み合わせは、科学的アイデアのコアコントリビューションと既存の作業との関係について、リッチで構造化されたビューを提供する。 $\textbf{GraphMind}$はhttps://oyarsa.github.io/graphmindで、デモビデオはhttps://youtu.be/wKbjQpSvwJgで入手できる。 ソースコードはhttps://github.com/oyarsa/graphmind.comから入手できる。

関連論文リスト

• MOLE: Metadata Extraction and Validation in Scientific Papers Using LLMs [48.73595915402094]
  MOLEは、アラビア語以外の言語のデータセットをカバーする科学論文からメタデータ属性を自動的に抽出するフレームワークである。 本手法では,複数の入力形式にまたがって文書全体を処理し,一貫した出力に対する堅牢な検証機構を組み込む。
  論文  参考訳（メタデータ） (2025-05-26T10:31:26Z)
• Chatting with Papers: A Hybrid Approach Using LLMs and Knowledge Graphs [3.68389405018277]
  このデモでは、大規模な言語モデルと知識グラフを組み合わせて、コレクションによるナビゲーションをサポートする新しいワークフローのtextitGhostWriterが報告されている。 textitGhostWriterは、バックエンドの textitEverythingDataに基づいて、コレクションと'クエリとチャット'が可能なインターフェイスを提供する。
  論文  参考訳（メタデータ） (2025-05-16T18:51:51Z)
• MatViX: Multimodal Information Extraction from Visually Rich Articles [6.349779979863784]
  材料科学では、研究論文から構造化情報を抽出することで、新しい素材の発見を加速することができる。 textscMatViXは、324ドルのフル長の調査記事と1688ドルの複雑な構造化ファイルからなるベンチマークです。 これらのファイルは、テキスト、テーブル、フィギュアからフル長の文書から抽出され、MIEにとって包括的な課題となる。
  論文  参考訳（メタデータ） (2024-10-27T16:13:58Z)
• All Data on the Table: Novel Dataset and Benchmark for Cross-Modality Scientific Information Extraction [39.05577374775964]
  本稿では,テキスト中のエンティティをアノテートする半教師付きパイプラインと,テーブル内のエンティティとリレーションを反復的に提案する。 我々は,高品質なベンチマーク,大規模コーパス,半教師付きアノテーションパイプラインなど,科学コミュニティのための新たなリソースをリリースする。
  論文  参考訳（メタデータ） (2023-11-14T14:22:47Z)
• Learning Multiplex Representations on Text-Attributed Graphs with One Language Model Encoder [55.24276913049635]
  テキスト分散グラフ上での多重表現学習のための新しいフレームワークMETAGを提案する。 既存の手法とは対照的に、MeTAGは1つのテキストエンコーダを使用して関係性間の共有知識をモデル化する。 学術分野と電子商取引分野の5つのグラフにおいて,9つの下流タスクについて実験を行った。
  論文  参考訳（メタデータ） (2023-10-10T14:59:22Z)
• Harnessing Explanations: LLM-to-LM Interpreter for Enhanced Text-Attributed Graph Representation Learning [51.90524745663737]
  重要なイノベーションは、機能として説明を使用することで、下流タスクにおけるGNNのパフォーマンス向上に利用できます。 提案手法は、確立されたTAGデータセットの最先端結果を実現する。 本手法はトレーニングを著しく高速化し,ogbn-arxivのベースラインに最も近い2.88倍の改善を実現した。
  論文  参考訳（メタデータ） (2023-05-31T03:18:03Z)
• How to Train Your Agent to Read and Write [52.24605794920856]
  研究論文の読み書きは、資格のある研究者が習得すべき最も特権のある能力の1つである。 読者が論文を読み、要約できるようにインテリジェントなエージェントを訓練し、おそらく新しい論文を書くための潜在的な知識の手がかりを発見し、活用できれば、それは魅力的です。 本研究では,入力段落から知識グラフ(KG)を抽出して潜在的な知識を発見できるtextitReader,新規段落を生成するgraph-to-text TextitWriter,およびtextitから構成されるDeep ReAder-Writer(DRAW)ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-01-04T12:22:04Z)

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。