論文の概要: FlowPlan-G2P: A Structured Generation Framework for Transforming Scientific Papers into Patent Descriptions
- arxiv url: http://arxiv.org/abs/2601.02589v1
- Date: Mon, 05 Jan 2026 22:40:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-07 17:02:12.741805
- Title: FlowPlan-G2P: A Structured Generation Framework for Transforming Scientific Papers into Patent Descriptions
- Title（参考訳）: FlowPlan-G2P: 科学論文を特許記述に変換するための構造化生成フレームワーク
- Authors: Kris W Pan, Yongmin Yoo,
- Abstract要約: FlowPlan-G2Pは、このタスクを3段階に書き換えることで、エキスパートドラフトアの認知ワークフローを反映する新しいフレームワークである。
本フレームワークは,紙と紙のテクスト生成のための新しいパラダイムを確立し,特殊なドメインのための構造化テキスト生成を進化させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over 3.5 million patents are filed annually, with drafting patent descriptions requiring deep technical and legal expertise. Transforming scientific papers into patent descriptions is particularly challenging due to their differing rhetorical styles and stringent legal requirements. Unlike black-box text-to-text approaches that struggle to model structural reasoning and legal constraints, we propose FlowPlan-G2P, a novel framework that mirrors the cognitive workflow of expert drafters by reformulating this task into three stages: (1) Concept Graph Induction, extracting technical entities and relationships into a directed graph via expert-like reasoning; (2) Paragraph and Section Planning, reorganizing the graph into coherent clusters aligned with canonical patent sections; and (3) Graph-Conditioned Generation, producing legally compliant paragraphs using section-specific subgraphs and tailored prompts. Experiments demonstrate that FlowPlan-G2P significantly improves logical coherence and legal compliance over end-to-end LLM baselines. Our framework establishes a new paradigm for paper-to-patent generation and advances structured text generation for specialized domains.
- Abstract（参考訳）: 毎年350万件以上の特許が出願され、技術と法学の深い専門知識を必要とする特許記述を起草している。
科学的論文を特許記述に変換することは、その異なる修辞的スタイルと厳格な法的要件のために特に困難である。
構造的推論や法的制約のモデル化に苦慮するブラックボックステキスト・テキスト・ツー・テキスト・アプローチとは違って,フロープランG2Pは,(1) 概念グラフの導出,専門家ライクな推論による有向グラフへの技術的実体と関係の抽出,(2) パラグラフとセクションプランニング, グラフを正準特許セクションに整合した一貫性のあるクラスタに再編成,(3) グラフコンダクテッド・ジェネレーション, セクション固有の部分グラフと調整されたプロンプトを用いて法的に適合した段落を生成する,3段階に, 専門家の認知ワークフローを反映した新しいフレームワークを提案する。
FlowPlan-G2Pは、エンドツーエンドのLCMベースラインに対する論理的一貫性と法的なコンプライアンスを著しく改善することを示した。
本フレームワークは,紙と紙のテクスト生成のための新しいパラダイムを確立し,特殊なドメインのための構造化テキスト生成を進化させる。
関連論文リスト
- RulePlanner: All-in-One Reinforcement Learner for Unifying Design Rules in 3D Floorplanning [49.812879456944984]
フロアプランニングは集積回路における各モジュールの座標と形状を決定する。
現在のメソッドは、特定の設計ルールと限られた設計ルールのみを扱うことができる。
我々はこれらの課題に対処するために,オールインワンの深層強化学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2026-01-30T02:41:48Z) - DraCo: Draft as CoT for Text-to-Image Preview and Rare Concept Generation [69.69738832428543]
DraCo(DraCo)は,テキスト・ツー・イメージ生成を向上するための新たなインターリーブな推論パラダイムである。
提案手法はまず,低解像度のドラフト画像をプレビューとして生成し,より具体的で構造的な視覚計画とガイダンスを提供する。
DraCoがGenEval(+8%)、Imagine-Bench(+0.91)、GenEval++(+3%)の大幅な増加を実現
論文 参考訳（メタデータ） (2025-12-04T18:59:53Z) - When Large Language Models Meet Law: Dual-Lens Taxonomy, Technical Advances, and Ethical Governance [7.743029842436036]
本稿では,Large Language Models (LLM) の総合的なレビューを行う。
トランスフォーマーベースのLLMは、文脈推論や生成的議論のような創発的な能力を示す。
本稿では,法的な役割を計算的にサブタスクにマッピングし,トゥールミン論証フレームワークを実装した新しい分類法を提案する。
論文 参考訳（メタデータ） (2025-07-10T13:26:34Z) - Modeling the Diachronic Evolution of Legal Norms: An LRMoo-Based, Component-Level, Event-Centric Approach to Legal Knowledge Graphs [0.0]
本稿では,このニーズに対処するため,LRMoo内に構築された時間的モデリングパターンを提案する。
本稿では,このイベント生成アーキテクチャが,特定の日に存在した法文の任意の部分の正確かつ決定論的検索と再構築を可能にする方法を示す。
論文 参考訳（メタデータ） (2025-06-09T15:18:36Z) - Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering [51.7493726399073]
本稿では,長文質問応答を改善するための対話型階層型フレームワークを提案する。
このフレームワークには3つの重要な革新がある: 長文の専門的な談話解析、LLMに基づく談話関係ノードの拡張、構造誘導階層検索である。
論文 参考訳（メタデータ） (2025-05-26T14:45:12Z) - An Ontology-Driven Graph RAG for Legal Norms: A Structural, Temporal, and Deterministic Approach [0.0]
標準、平文検索は、法の階層的、横行的、因果的構造に盲目である。
本稿では,法則の形式構造とダイアクロニックな性質を明示的にモデル化することにより,これらの制約を克服するためのオントロジー駆動型フレームワークSAT-Graph RAGを紹介する。
論文 参考訳（メタデータ） (2025-04-29T18:36:57Z) - A Hybrid Architecture with Efficient Fine Tuning for Abstractive Patent Document Summarization [0.0]
本研究では,特許記録の抽象要約を効率的に作成するシステムを提案する。
この手順では、LexRankグラフベースのアルゴリズムを使用して、入力された親テキストから重要な文を検索する。
論文 参考訳（メタデータ） (2025-03-13T13:30:54Z) - Personalized Text Generation with Contrastive Activation Steering [63.60368120937822]
そこで本研究では,ベクタとしてパーソナライズされた書体スタイルを分離し,表現する学習自由フレームワークを提案する。
本フレームワークは,PEFT法よりも1700倍のストレージ要求を削減しつつ,パーソナライズ生成において,8%の相対的な改善を実現している。
論文 参考訳（メタデータ） (2025-03-07T08:07:15Z) - Mixture of Structural-and-Textual Retrieval over Text-rich Graph Knowledge Bases [78.62158923194153]
テキストリッチなグラフ知識ベース(TG-KB)は、テキストおよび構造的知識を提供することで、クエリに応答する上でますます重要になっている。
本研究では,これら2種類の知識を計画・推論・組織化フレームワークを用いて検索するための構造・テキスト検索(MoR)の混合を提案する。
論文 参考訳（メタデータ） (2025-02-27T17:42:52Z) - Bridging between LegalRuleML and TPTP for Automated Normative Reasoning
(extended version) [77.34726150561087]
LegalRuleMLは、標準ルールのモデリングと交換のためのXMLベースの表現フレームワークである。
TPTP入力および出力フォーマットは、自動推論システムとのインタラクションのための汎用標準である。
本稿では,TPTP形式に基づく論理的論理的規範的推論言語を定義することにより,この2つのコミュニティ間の橋渡しを行う。
論文 参考訳（メタデータ） (2022-09-12T08:42:34Z) - Knowledge-based Review Generation by Coherence Enhanced Text Planning [45.473253542837995]
我々は,知識グラフ(KGs)に基づく新しいコヒーレンス拡張テキストプランニングモデル(CETP)を提案し,レビュー生成のためのグローバルおよびローカルのコヒーレンスを改善する。
グローバルコヒーレンスのために,サブグラフとノードレベルの双方に注意を払って,サブグラフ間の相関性を高める階層的自己意図アーキテクチャを設計する。
3つのデータセットの実験は、生成されたテキストのコンテンツコヒーレンスを改善するためのモデルの有効性を確認します。
論文 参考訳（メタデータ） (2021-05-09T02:12:05Z)
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。