論文の概要: Representing Research Attention as Contextually Structured Flows
- arxiv url: http://arxiv.org/abs/2606.05895v1
- Date: Thu, 04 Jun 2026 09:03:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.674427
- Title: Representing Research Attention as Contextually Structured Flows
- Title（参考訳）: 文脈的構造化流れとしての研究意図の表現
- Authors: Jessica Rodrigues, Angelo Salatino, Gard Jenset, Scott Hale,
- Abstract要約: 注意の流れを、時間とともに注目の組織とその進化を符号化する文脈的に構造化された表現として提案する。
我々は,これらの表現が伝達可能な構造を捉えているかどうかを,研究出力間の類似型推論に基づくベンチマークによって評価する。
- 参考スコア（独自算出の注目度）: 2.9044075274708656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research attention is widely used as an indicator of visibility, influence, and societal uptake, yet it is typically represented as aggregated counts that do not preserve how attention develops across contexts over time. This creates a mismatch between how attention is interpreted and how it is represented. We propose attention flows as contextually structured representations that encode the organisation of attention and its evolution over time. We evaluate whether these representations capture transferable structure by constructing a benchmark based on analogy-style reasoning across research outputs. Comparing signal, sequence, and flow-based representations, we find that flow representations more effectively support structural comparison, particularly in settings where attention is shaped by temporal progression or context distributions. We further show that learned flow representations improve robustness under partial observation and structural perturbation. Overall, these results support modelling attention as a contextually structured phenomenon and provide a basis for more informative approaches to research evaluation.
- Abstract（参考訳）: 研究の注意は、可視性、影響、社会的な取り込みの指標として広く用いられているが、一般的には、時間とともにコンテキスト全体にわたって注意がどのように発達するかを保たない集計数として表される。
これにより、注意がどのように解釈され、どのように表現されるかというミスマッチが発生します。
注意の流れを、時間とともに注目の組織とその進化を符号化する文脈的に構造化された表現として提案する。
我々は,これらの表現が伝達可能な構造を捉えているかどうかを,研究出力間の類似型推論に基づくベンチマークによって評価する。
信号,シーケンス,フローベース表現を比較すると,特に時間的進行や文脈分布によって注意が形成される環境では,フロー表現が構造的比較をより効果的に支援できることが分かる。
さらに、学習した流れの表現が、部分的な観察と構造的摂動の下で頑健性を向上させることを示す。
全体として、これらの結果は、文脈的に構造化された現象としての注意のモデル化を支援し、研究評価に対するより情報的なアプローチの基礎を提供する。
関連論文リスト
- Enhancing Structured Meaning Representations with Aspect Classification [3.923094828887562]
統一意味表現(UMR)アスペクトラベルを付加した英語文のデータセットを新たに導入する。
UMRアスペクト格子に基づいて、事象の述語をラベル付けするために使用されるアノテーションスキームとガイドラインについて述べる。
本研究は,自動UMRアスペクト予測のための初期ベンチマークを構築し,アスペクトを意味的意味表現に統合するための基盤を提供する。
論文 参考訳（メタデータ） (2026-03-25T20:10:43Z) - Emergent Structured Representations Support Flexible In-Context Inference in Large Language Models [77.98801218316505]
大型言語モデル(LLM)は、人間のような推論を示唆する創発的な行動を示す。
テキスト内概念推論におけるLLMの内部処理について検討する。
論文 参考訳（メタデータ） (2026-02-08T03:14:39Z) - Explainable Chain-of-Thought Reasoning: An Empirical Analysis on State-Aware Reasoning Dynamics [69.00587226225232]
本研究では,CoTトラジェクトリを構造化潜在力学に抽象化する状態認識遷移フレームワークを提案する。
推論のグローバルな構造を特徴づけるために、それらの進行をマルコフ連鎖としてモデル化する。
この抽象化は、意味的役割の識別、時間的パターンの可視化、一貫性評価など、さまざまな分析をサポートする。
論文 参考訳（メタデータ） (2025-08-29T18:53:31Z) - "Principal Components" Enable A New Language of Images [79.45806370905775]
証明可能なPCAのような構造を潜在トークン空間に組み込む新しい視覚トークン化フレームワークを導入する。
提案手法は、最先端の再構築性能を実現し、人間の視覚システムとの整合性を向上する。
論文 参考訳（メタデータ） (2025-03-11T17:59:41Z) - Diffusion Model with Cross Attention as an Inductive Bias for Disentanglement [58.9768112704998]
遠方表現学習は、観測データ内の本質的要因を抽出する試みである。
我々は新しい視点と枠組みを導入し、クロスアテンションを持つ拡散モデルが強力な帰納バイアスとなることを示す。
これは、複雑な設計を必要とせず、クロスアテンションを持つ拡散モデルの強力な解離能力を明らかにする最初の研究である。
論文 参考訳（メタデータ） (2024-02-15T05:07:54Z) - Structure-Regularized Attention for Deformable Object Representation [17.120035855774344]
文脈依存のキャプチャは、ディープニューラルネットワークの表現力を改善するのに有用であることが証明されている。
自己注意や非局所操作といったグローバルコンテキストのモデリングに焦点をあてた近年のアプローチは、要素間の制約のないペアワイズ相互作用を可能にすることで、この目標を達成する。
本稿では,データに固有の構造的依存関係をモデル化することにより,コンテキスト利用の恩恵を受けることができる変形可能なオブジェクトの学習表現について考察する。
論文 参考訳（メタデータ） (2021-06-12T03:10:17Z)
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。