論文の概要: AstroConcepts: A Large-Scale Multi-Label Classification Corpus for Astrophysics

• arxiv url: http://arxiv.org/abs/2604.02156v1
• Date: Thu, 02 Apr 2026 15:27:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.881673
• Title: AstroConcepts: A Large-Scale Multi-Label Classification Corpus for Astrophysics
• Title（参考訳）: AstroConcepts:天体物理学のための大規模マルチラベル分類コーパス
• Authors: Atilla Kaan Alkan, Felix Grezes, Sergi Blanco-Cuaresma, Jennifer Lynn Bartlett, Daniel Chivvis, Anna Kelbert, Kelly Lockhart, Alberto Accomazzi,
• Abstract要約: AstroConceptsは、Unified Astronomy Thesaurusの2,367の概念をラベル付けした21,702の天体物理学論文のコーパスである。 コーパスは厳格なラベルの不均衡を示し、概念の76%は50例未満のトレーニング例を持っている。 本評価では,科学的テキスト分類に新たな洞察を与える3つの重要なパターンを明らかにした。
• 参考スコア（独自算出の注目度）: 0.19804102882400357
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific multi-label text classification suffers from extreme class imbalance, where specialized terminology exhibits severe power-law distributions that challenge standard classification approaches. Existing scientific corpora lack comprehensive controlled vocabularies, focusing instead on broad categories and limiting systematic study of extreme imbalance. We introduce AstroConcepts, a corpus of English abstracts from 21,702 published astrophysics papers, labeled with 2,367 concepts from the Unified Astronomy Thesaurus. The corpus exhibits severe label imbalance, with 76% of concepts having fewer than 50 training examples. By releasing this resource, we enable systematic study of extreme class imbalance in scientific domains and establish strong baselines across traditional, neural, and vocabulary-constrained LLM methods. Our evaluation reveals three key patterns that provide new insights into scientific text classification. First, vocabulary-constrained LLMs achieve competitive performance relative to domain-adapted models in astrophysics classification, suggesting a potential for parameter-efficient approaches. Second, domain adaptation yields relatively larger improvements for rare, specialized terminology, although absolute performance remains limited across all methods. Third, we propose frequency-stratified evaluation to reveal performance patterns that are hidden by aggregate scores, thereby making robustness assessment central to scientific multi-label evaluation. These results offer actionable insights for scientific NLP and establish benchmarks for research on extreme imbalance.
• Abstract（参考訳）: 科学的多ラベルテキスト分類は極端なクラス不均衡に悩まされており、専門用語は、標準的な分類アプローチに挑戦する厳格なパワー・ロー分布を示す。 既存の科学コーパスには包括的な制御された語彙がなく、より広いカテゴリーに焦点をあて、極端な不均衡に関する体系的な研究を制限している。 我々は、21,702冊の天体物理学論文の英文抽象のコーパスであるAstroConceptsを紹介し、Unified Astronomy Thesaurusの2,367の概念をラベル付けした。 コーパスは厳格なラベルの不均衡を示し、概念の76%は50例未満のトレーニング例を持っている。 この資源を放出することにより、科学的領域における極度のクラス不均衡の体系的な研究を可能にし、従来の、神経的、語彙的制約のあるLLM法にまたがる強力なベースラインを確立することができる。 本評価では,科学的テキスト分類に新たな洞察を与える3つの重要なパターンを明らかにした。 第一に、語彙制約付きLLMは、天体物理学の分類において、ドメイン適応モデルと比較して競合性能を達成し、パラメータ効率の良いアプローチの可能性を示している。 第二に、ドメイン適応は希少な専門用語に対して比較的大きな改善をもたらすが、絶対的な性能はすべてのメソッドに限られている。 第3に,アグリゲーションスコアによって隠された演奏パターンを明らかにするための周波数階層評価を提案し,科学的多ラベル評価の中心となるロバスト性評価を行う。 これらの結果は、科学的NLPに対して実行可能な洞察を与え、極端な不均衡の研究のためのベンチマークを確立する。

関連論文リスト

• SciIF: Benchmarking Scientific Instruction Following Towards Rigorous Scientific Intelligence [60.202862987441684]
  科学的妥当性を確立する制約に厳格に固執しながら、問題を解決する能力。 具体的には,大学レベルの問題と制約の固定されたカタログをペアにすることで,この能力を評価するマルチディシプリンのベンチマークであるSciIFを紹介する。 SciIFは、解の正当性と多拘束性の両方を測定することにより、構成的推論失敗のきめ細かい診断を可能にする。
  論文  参考訳（メタデータ） (2026-01-08T09:45:58Z)
• Publication Trend Analysis and Synthesis via Large Language Model: A Case Study of Engineering in PNAS [0.0]
  本研究では, 適応型大規模言語モデル (LLM) を基礎として, 主題的傾向を定量化するフレームワークを提案する。 このアプローチは、米国科学アカデミー紀要によって発行された1500以上の工学論文の20年以上のコレクションで実証されている。
  論文  参考訳（メタデータ） (2025-10-17T18:57:11Z)
• TaxoAdapt: Aligning LLM-Based Multidimensional Taxonomy Construction to Evolving Research Corpora [34.103517830260365]
  TaxoAdaptは、LLMの生成した分類を、複数の次元にわたる与えられたコーパスに適応するフレームワークである。 我々は、さまざまなコンピュータサイエンスカンファレンスにおいて、最先端のパフォーマンスを実演する。
  論文  参考訳（メタデータ） (2025-06-12T14:26:28Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Class-Imbalanced Graph Learning without Class Rebalancing [62.1368829847041]
  クラス不均衡は実世界のノード分類タスクでよく見られ、グラフ学習モデルには大きな課題がある。 本研究では、トポロジカルパラダイムからクラス不均衡バイアスの根本原因にアプローチする。 我々は,クラス再バランスを伴わずにクラス不均衡バイアスを軽減するために,軽量なトポロジカル拡張フレームワークであるBATを考案した。
  論文  参考訳（メタデータ） (2023-08-27T19:01:29Z)
• Biomedical Named Entity Recognition via Dictionary-based Synonym Generalization [51.89486520806639]
  本研究では,入力テキストに含まれる生物医学的概念をスパンベース予測を用いて認識する,新しいSynGenフレームワークを提案する。 提案手法を広範囲のベンチマークで広範囲に評価し,SynGenが従来の辞書ベースモデルよりも顕著なマージンで優れていることを確認した。
  論文  参考訳（メタデータ） (2023-05-22T14:36:32Z)

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。