論文の概要: ARTLAS: Mapping Art-Technology Institutions via Conceptual Axes, Text Embeddings, and Unsupervised Clustering

• arxiv url: http://arxiv.org/abs/2603.28816v1
• Date: Sat, 28 Mar 2026 17:09:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.551531
• Title: ARTLAS: Mapping Art-Technology Institutions via Conceptual Axes, Text Embeddings, and Unsupervised Clustering
• Title（参考訳）: ARTLAS: 概念軸、テキスト埋め込み、教師なしクラスタリングによるアート技術機関のマッピング
• Authors: Joonhyung Bae,
• Abstract要約: ARTLASは78の文化技術機関を統一的な分析空間にマッピングする計算手法である。 UMAPを用いた次元減少と凝集クラスタリングにより合成スコアが0.825、シルエット係数が0.803、カリンスキー・ハラバス指数が11,196となる。 Reactで構築されたインタラクティブなWebベースの可視化ツールにより、ステークホルダは、制度的な類似性、テーマプロファイル、学際的な接続を探索することができる。
• 参考スコア（独自算出の注目度）: 0.5076419064097734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The global landscape of art-technology institutions, including festivals, biennials, research labs, conferences, and hybrid organizations, has grown increasingly diverse, yet systematic frameworks for analyzing their multidimensional characteristics remain scarce. This paper proposes ARTLAS, a computational methodology combining an eight-axis conceptual framework (Curatorial Philosophy, Territorial Relation, Knowledge Production Mode, Institutional Genealogy, Temporal Orientation, Ecosystem Function, Audience Relation, and Disciplinary Positioning) with a text-embedding and clustering pipeline to map 78 cultural-technology institutions into a unified analytical space. Each institution is characterized through qualitative descriptions along the eight axes, encoded via E5-large-v2 sentence embeddings and quantized through a word-level codebook into TF-IDF feature vectors. Dimensionality reduction using UMAP, followed by agglomerative clustering (Average linkage, k=10), yields a composite score of 0.825, a silhouette coefficient of 0.803, and a Calinski-Harabasz index of 11,196. Non-negative matrix factorization extracts ten latent topics, and a neighbor-cluster entropy measure identifies boundary institutions bridging multiple thematic communities. An interactive web-based visualization tool built with React enables stakeholders to explore institutional similarities, thematic profiles, and cross-disciplinary connections. The results reveal coherent groupings such as an art-science hub cluster anchored by ZKM and ArtScience Museum, an innovation and industry cluster including Ars Electronica, transmediale, and Sonar, an ACM academic community cluster comprising TEI, DIS, and NIME, and an electronic music and media cluster including CTM Festival, MUTEK, and Sonic Acts. This work contributes a replicable, data-driven approach to institutional ecology in the cultural-technology sector.
• Abstract（参考訳）: フェスティバル、二年制、研究所、会議、ハイブリッド組織など、アート・テクノロジーのグローバルな展望は、多次元的特徴を分析するための体系的な枠組みとして、ますます多様化している。 本稿では,8軸の概念的枠組み(論理哲学,領域関係,知識生産モード,制度的系譜学,時間指向,生態系機能,聴取関係,学際的位置)を,78の文化系機関を統一的な分析空間にマッピングするためのテキスト埋め込み・クラスタリングパイプラインと組み合わせた計算手法ARTLASを提案する。 各機関は、8つの軸に沿って定性的記述を行い、E5-large-v2文の埋め込みを通じてエンコードされ、ワードレベルのコードブックを介してTF-IDF特徴ベクトルに量子化される。 UMAPを用いた次元化, 凝集性クラスタリング(平均結合数k=10), 合成スコア0.825, シルエット係数0.803, カリンスキー・ハラバス指数11,196。 非負の行列因子化は10の潜在トピックを抽出し、隣のクラスタエントロピー尺度は複数のテーマのコミュニティをブリッジする境界組織を特定する。 Reactで構築されたインタラクティブなWebベースの可視化ツールにより、ステークホルダは、制度的な類似性、テーマプロファイル、学際的な接続を探索することができる。 その結果,ZKMとArtScience Museumがアンカーするアートサイエンスハブクラスタ,Ars Electronica, Transmediale, Sonarを含むイノベーションと産業クラスタ,TEI, DIS, NIMEからなるACM学術コミュニティクラスタ,CTM Festival,MUTEK,Sonic Actsなどの電子音楽とメディアクラスタなどのコヒーレントなグループ化が明らかになった。 この研究は、文化技術分野における制度生態学への複製的でデータ駆動的なアプローチに貢献している。

関連論文リスト

• Beyond the Academic Monoculture: A Unified Framework and Industrial Perspective for Attributed Graph Clustering [75.50670592447219]
  分散グラフクラスタリング(AGC)は、構造トポロジとノード属性を共同でモデル化することによって、ノードを凝集性グループに分割する基本的な教師なしタスクである。 この調査は、3つの相補的な視点からAGCを包括的かつ工業的に基礎づけたレビューを提供する。
  論文  参考訳（メタデータ） (2026-03-21T14:15:34Z)
• Multi-label Classification with Panoptic Context Aggregation Networks [61.82285737410154]
  本稿では,多次幾何学的文脈を階層的に統合する新しいアプローチであるDeep Panoptic Context Aggregation Network(PanCAN)を紹介する。 PanCANは、ランダムウォークとアテンションメカニズムを組み合わせることで、各スケールで複数階の近傍関係を学習する。 NUS-WIDE、PASCAL VOC、2007、MS-COCOベンチマークの実験は、PanCANが一貫して競争結果を達成することを示した。
  論文  参考訳（メタデータ） (2025-12-29T14:16:21Z)
• Runtime Composition in Dynamic System of Systems: A Systematic Review of Challenges, Solutions, Tools, and Evaluation Methods [2.172969718238335]
  関心が高まりつつあるにもかかわらず、この文献は動的SoSにおけるランタイム構成の合成を欠いている。 本研究では、動的SoSにおけるランタイム構成の研究を合成し、コア課題、ソリューション戦略、サポートツール、評価方法を特定する。
  論文  参考訳（メタデータ） (2025-10-14T15:14:57Z)
• BioArtlas: Computational Clustering of Multi-Dimensional Complexity in Bioart [0.5076419064097734]
  バイオアートのハイブリッドな性質は、芸術、科学、技術、倫理、政治に及んでいる。 13の硬化した次元にわたる81のバイオアート作品を分析し、BioArtlasを紹介します。
  論文  参考訳（メタデータ） (2025-09-27T17:26:17Z)
• Context-Aware Hierarchical Taxonomy Generation for Scientific Papers via LLM-Guided Multi-Aspect Clustering [59.54662810933882]
  既存の分類体系の構築手法は、教師なしクラスタリングや大きな言語モデルの直接的プロンプトを利用しており、コヒーレンスと粒度の欠如が多かった。 LLM誘導型マルチアスペクト符号化と動的クラスタリングを統合したコンテキスト対応階層型階層型分類生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-23T15:12:58Z)
• HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
  HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。 システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
  論文  参考訳（メタデータ） (2025-08-01T20:30:42Z)
• Incremental hierarchical text clustering methods: a review [49.32130498861987]
  本研究の目的は,階層的および漸進的クラスタリング技術の解析である。 本研究の主な貢献は、文書クラスタリングのテキスト化を目的とした、2010年から2018年にかけて出版された研究で使用されるテクニックの組織化と比較である。
  論文  参考訳（メタデータ） (2023-12-12T22:27:29Z)
• Knowledge-Enhanced Hierarchical Information Correlation Learning for Multi-Modal Rumor Detection [82.94413676131545]
  マルチモーダルなうわさ検出のための知識強化型階層型情報相関学習手法(KhiCL)を提案する。 KhiCLは異質な一様性特徴を共通特徴空間に伝達するために、クロスモーダルな関節辞書を利用する。 画像やテキストから視覚的およびテキスト的実体を抽出し、知識関連推論戦略を設計する。
  論文  参考訳（メタデータ） (2023-06-28T06:08:20Z)
• Hierarchical Classification of Research Fields in the "Web of Science" Using Deep Learning [15.915719490494876]
  本稿では,その抽象概念を用いて学術出版物を自動分類する階層分類システムを提案する。 Microsoft Academic Graphの1億6000万の抽象スニペットの中で、44の規律、718のフィールド、1,485のサブフィールドを区別している。 分類精度は77.13%で90%、シングルラベルとマルチラベルの分類では78.19%である。
  論文  参考訳（メタデータ） (2023-02-01T11:59:17Z)

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。