論文の概要: Monitoring Transformative Technological Convergence Through LLM-Extracted Semantic Entity Triple Graphs
- arxiv url: http://arxiv.org/abs/2510.25370v1
- Date: Wed, 29 Oct 2025 10:41:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-30 15:50:45.402214
- Title: Monitoring Transformative Technological Convergence Through LLM-Extracted Semantic Entity Triple Graphs
- Title（参考訳）: LLM抽出セマンティック・エンティティ・トリプルグラフによる変換技術収束のモニタリング
- Authors: Alexander Sternfeld, Andrei Kucharavy, Dimitri Percia David, Alain Mermoud, Julian Jang-Jaccard, Nathan Monnet,
- Abstract要約: 本稿では,トランスフォーメーション技術の出現をモニタリングする,新しいデータ駆動パイプラインを提案する。
提案手法は,Large Language Models (LLMs) の進歩を活用し,非構造化テキストから意味的三重項を抽出する。
パイプラインには、多段階フィルタリング、ドメイン固有のクラスタリング、トピック共起の時間的傾向分析が含まれている。
- 参考スコア（独自算出の注目度）: 35.70283902821063
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Forecasting transformative technologies remains a critical but challenging task, particularly in fast-evolving domains such as Information and Communication Technologies (ICTs). Traditional expert-based methods struggle to keep pace with short innovation cycles and ambiguous early-stage terminology. In this work, we propose a novel, data-driven pipeline to monitor the emergence of transformative technologies by identifying patterns of technological convergence. Our approach leverages advances in Large Language Models (LLMs) to extract semantic triples from unstructured text and construct a large-scale graph of technology-related entities and relations. We introduce a new method for grouping semantically similar technology terms (noun stapling) and develop graph-based metrics to detect convergence signals. The pipeline includes multi-stage filtering, domain-specific keyword clustering, and a temporal trend analysis of topic co-occurence. We validate our methodology on two complementary datasets: 278,625 arXiv preprints (2017--2024) to capture early scientific signals, and 9,793 USPTO patent applications (2018-2024) to track downstream commercial developments. Our results demonstrate that the proposed pipeline can identify both established and emerging convergence patterns, offering a scalable and generalizable framework for technology forecasting grounded in full-text analysis.
- Abstract（参考訳）: 情報通信技術(ICT)のような急速に発展する分野において、トランスフォーメーション技術の予測は依然として重要な課題である。
従来のエキスパートベースの手法は、短いイノベーションサイクルと曖昧な初期段階の用語でペースを維持するのに苦労している。
本研究では, 技術収束のパターンを識別し, トランスフォーメーション技術の出現をモニタリングする, 新たなデータ駆動パイプラインを提案する。
本手法は,Large Language Models (LLMs) の進歩を活用して,非構造化テキストから意味三重項を抽出し,技術関連エンティティと関係性の大規模グラフを構築する。
意味論的に類似した技術用語をグループ化する新しい手法(名詞ステープリング)を導入し,収束信号を検出するグラフベースのメトリクスを開発する。
このパイプラインには、多段階フィルタリング、ドメイン固有のキーワードクラスタリング、トピック共起の時間的傾向分析が含まれる。
278,625 arXiv プリプリント (2017-2024) と9,793 USPTO 特許出願 (2018-2024) の2つの補完的データセット上で, 提案手法を検証した。
提案したパイプラインは、確立された収束パターンと出現する収束パターンの両方を識別でき、フルテキスト解析に基づく技術予測のためのスケーラブルで一般化可能なフレームワークを提供する。
関連論文リスト
- METER: Multi-modal Evidence-based Thinking and Explainable Reasoning -- Algorithm and Benchmark [48.78602579128459]
本稿では,画像,ビデオ,音声,映像コンテンツにまたがる偽造検出のための統合ベンチマークMETERを紹介する。
我々のデータセットは4つのトラックから構成されており、それぞれのトラックは実際のvsフェイク分類だけでなく、エビデンスチェーンに基づく説明も必要である。
論文 参考訳（メタデータ） (2025-07-22T03:42:51Z) - Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。
本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。
残る技術的課題や倫理的考察も分析する。
論文 参考訳（メタデータ） (2025-06-05T05:42:27Z) - SAFT: Structure-aware Transformers for Textual Interaction Classification [15.022958096869734]
テキスト・インタラクション・ネットワーク(英語: Textual Interaction Network, TIN)は、Eコマースのウェブサイトやソーシャルネットワークなどにおけるユーザとアイテム間のインタラクションをモデル化するためのデータ構造である。
対話の表現学習において,テキストおよび構造的意味論を効果的に融合するために,言語およびグラフベースのモジュールを統合する新しいアーキテクチャであるSAFTを提案する。
論文 参考訳（メタデータ） (2025-04-07T09:19:12Z) - Technology Mapping with Large Language Models [1.1900482352079937]
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。
論文 参考訳（メタデータ） (2025-01-25T08:18:15Z) - A Comprehensive Framework for Semantic Similarity Analysis of Human and AI-Generated Text Using Transformer Architectures and Ensemble Techniques [40.704014941800594]
従来の手法では、人間と機械が生成したコンテンツ間の微妙な意味的差異を捉えられなかった。
本稿では,DeBERTa-v3-largeモデル,双方向LSTM,線形アテンションプールを併用して,局所的および大域的セマンティックパターンを抽出する手法を提案する。
実験の結果,本手法は従来の手法よりも有効であり,AIによるテキスト検出や他のテキスト比較タスクの有用性が証明された。
論文 参考訳（メタデータ） (2025-01-24T07:07:37Z) - Finding frames with BERT: A transformer-based approach to generic news frame detection [0.0]
英文オンラインコンテンツにおけるニュースフレームの汎用的検出のためのトランスフォーマーに基づくアプローチを提案する。
本稿では,トレーニングデータセットとテストデータセットの構成,モデルアーキテクチャ,アプローチの妥当性について論じる。
論文 参考訳（メタデータ） (2024-08-30T22:05:01Z) - 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) - Embedding in Recommender Systems: A Survey [54.55152033023537]
本調査では,レコメンデータシステム埋め込み技術の進歩を包括的に分析する。
マトリックスベースのシナリオでは、協調フィルタリングはユーザの好みを効果的にモデル化する埋め込みを生成する。
パフォーマンス向上のため,AutoMLやハッシュ技術,量子化手法など,新たなアプローチを導入する。
論文 参考訳（メタデータ） (2023-10-28T06:31:06Z) - Contextualizing MLP-Mixers Spatiotemporally for Urban Data Forecast at Scale [54.15522908057831]
本稿では,STTD予測を大規模に行うためのコンピュータ・ミクサーの適応版を提案する。
我々の結果は、この単純な効率の良いソリューションが、いくつかのトラフィックベンチマークでテストした場合、SOTAベースラインに匹敵する可能性があることを驚くほど示している。
本研究は, 実世界のSTTD予測において, 簡便な有効モデルの探索に寄与する。
論文 参考訳（メタデータ） (2023-07-04T05:19:19Z)
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。