論文の概要: Easy Reads: A Python program for making Scientific Papers on arXiv more Reader Friendly and Accessible

• arxiv url: http://arxiv.org/abs/2606.20550v1
• Date: Thu, 18 Jun 2026 17:57:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:40.048547
• Title: Easy Reads: A Python program for making Scientific Papers on arXiv more Reader Friendly and Accessible
• Title（参考訳）: Easy Reads: arXivでScientific Papersを作るPythonプログラム
• Authors: Vishal Verma,
• Abstract要約: Easy Readsは、arXivの論文をより読みやすくアクセスしやすいものにする、エンドツーエンドでオープンソースのPythonプログラムである。 Easy Readsの主な目標は、科学論文の読みやすいことにある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific papers are frequently dense and characterized by features such as small fonts and line spacing, double columns of text, and tightly arranged figures. While these features make papers more compact, they can hinder readability, make them less accessible, and can strain the reader. arXiv is a premier open-access repository for scientific papers across different fields and is used extensively by researchers, including those in the physics and astrophysics communities. Easy Reads is an automated, end-to-end, open-source Python program that helps address the stated challenge by making papers from arXiv more reader-friendly and accessible. Easy Reads can automatically fetch a paper from arXiv via its URL and work with the source TeX file to allow custom formatting of the paper features, primarily the font size, and the number of columns used. The main goal of Easy Reads is to facilitate ease of reading of scientific papers.
• Abstract（参考訳）: 科学論文は、しばしば密集しており、小さなフォントや線間隔、テキストの二重列、厳密な配置図形などの特徴が特徴である。 これらの機能は論文をよりコンパクトにしますが、読みやすさを阻害し、アクセスしにくくし、読者を緊張させます。 arXivは、様々な分野にわたる科学論文のための主要なオープンアクセスリポジトリであり、物理学や天体物理学のコミュニティを含む研究者によって広く利用されている。 Easy Readsは、自動化されたエンドツーエンドのオープンソースのPythonプログラムで、arXivの論文をより読みやすくアクセスしやすいものにすることで、この課題に対処するのに役立つ。 Easy Readsは、URL経由でarXivから紙を自動的に取得し、ソースのTeXファイルと連携して、主にフォントサイズと使用するカラム数をカスタムフォーマットできる。 Easy Readsの主な目標は、科学論文の読みやすいことにある。

関連論文リスト

• Agents-K1: Towards Agent-native Knowledge Orchestration [59.22667222947257]
  textbfAgents-K1はエンドツーエンドの知識オーケストレーションパイプラインである。 生文書をエージェントネイティブな科学知識グラフに変換する。 我々は6つの被験者にわたる246万件の科学論文を処理し、TextbfScholar-KGを作成し、そのうち100万件の論文のサブセットを公開します。
  論文  参考訳（メタデータ） (2026-06-11T17:58:35Z)
• WisPaper: Your AI Scholar Search Engine [55.07907253175705]
  textscWisPaperは、インテリジェントな学術検索と文献管理プラットフォームである。 文献発見、管理、研究フロンティアの継続的な追跡をシームレスに接続するクローズドループワークフローを提供する。 プラットフォームは一般公開されており、学術や産業の研究者に利用されている。
  論文  参考訳（メタデータ） (2025-12-07T15:10:20Z)
• GraphMind: Interactive Novelty Assessment System for Accelerating Scientific Discovery [20.945875851329244]
  $textbfGraphMind$は、科学論文や草案の新規性を評価するユーザを支援するために設計された、使いやすい対話型Webツールである。 $textbfGraphMind$を使えば、ユーザーは科学論文の主要構造を捉え、様々な視点から関連するアイデアを探求し、斬新さを評価することができる。
  論文  参考訳（メタデータ） (2025-10-17T14:49:07Z)
• ArXivBench: When You Should Avoid Using ChatGPT for Academic Writing [6.586119023242877]
  大規模言語モデル(LLM)は推論と質問応答において強力な能力を示す。 事実的に誤ったコンテンツを生み出す傾向は、依然として重要な課題である。 本研究は,arXivの正確なリンクを持つ関連研究論文を生成するための,プロプライエタリかつオープンソース LLM の評価を行う。
  論文  参考訳（メタデータ） (2025-04-06T05:00:10Z)
• Learning Multiplex Representations on Text-Attributed Graphs with One Language Model Encoder [55.24276913049635]
  テキスト分散グラフ上での多重表現学習のための新しいフレームワークMETAGを提案する。 既存の手法とは対照的に、MeTAGは1つのテキストエンコーダを使用して関係性間の共有知識をモデル化する。 学術分野と電子商取引分野の5つのグラフにおいて,9つの下流タスクについて実験を行った。
  論文  参考訳（メタデータ） (2023-10-10T14:59:22Z)
• SciLit: A Platform for Joint Scientific Literature Discovery, Summarization and Citation Generation [11.186252009101077]
  本稿では,関連論文を自動的に推薦し,ハイライトを抽出するパイプラインSciLitを提案し,論文の引用として参照文を提案する。 SciLitは、2段階の事前フェッチと再ランクの文献検索システムを使用して、数億の論文の大規模なデータベースから論文を効率的に推奨する。
  論文  参考訳（メタデータ） (2023-06-06T09:34:45Z)
• The Semantic Scholar Open Data Platform [92.2948743167744]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• Cracking Double-Blind Review: Authorship Attribution with Deep Learning [43.483063713471935]
  本稿では、匿名の原稿を著者に属性付けるトランスフォーマーベースのニューラルネットワークアーキテクチャを提案する。 我々は、arXivで公開されているすべての研究論文を200万冊以上の原稿に活用する。 本手法は, 論文の最大73%を正解する, 前代未聞の著者帰属精度を実現する。
  論文  参考訳（メタデータ） (2022-11-14T15:50:24Z)
• arXivEdits: Understanding the Human Revision Process in Scientific Writing [17.63505461444103]
  論文執筆におけるテキストリビジョン研究のための完全な計算フレームワークを提供する。 最初にarXivEditsを紹介した。これは、arXivの751個の全文からなる注釈付きコーパスで、複数のバージョンにまたがってゴールドの文をアライメントする。 データ駆動分析をサポートし、論文の改訂のために研究者が実践する一般的な戦略を明らかにします。
  論文  参考訳（メタデータ） (2022-10-26T22:50:24Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
  引用グラフを用いて科学論文の要約作業を再定義します。 我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。 我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
  論文  参考訳（メタデータ） (2021-04-07T11:13:35Z)

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。