論文の概要: Categorizing Mathematical Concepts with LLM Voting Ensembles in Mathswitch
- arxiv url: http://arxiv.org/abs/2606.28815v1
- Date: Sat, 27 Jun 2026 08:55:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.697655
- Title: Categorizing Mathematical Concepts with LLM Voting Ensembles in Mathswitch
- Title（参考訳）: 数学におけるLLM投票アンサンブルを用いた数学的概念の分類
- Abstract要約: Mathswitchは、Wikidata、Wikipedia、MathWorld、Encyclopedia of Mathematics、nLab、ProofWiki、Agda-Unimathなどの情報源から数学の概念記録をインポートするオープンソースプロジェクトである。
輸入されたコンテンツの再編成や再定義は行わず、それぞれのソースは独自の構造を保持する。
現在、Wikidataからコンセプトデータをインポートすることに重点を置いており、さらに多くのソースに拡大し、コンセプトリンクを改善する計画だ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mathswitch is an open-source project that imports mathematical concept records from sources such as Wikidata, Wikipedia, MathWorld, Encyclopedia of Mathematics, nLab, ProofWiki, and Agda-Unimath, and links records that refer to the same concept. It does not reorganize or redefine the imported content; each source retains its own structure. The current focus is on importing concept data from Wikidata and the resources it links to, with plans to expand to further sources and better concept linking. Because the concept set is approximated through queries over Wikidata's collaboratively edited graph, the imported data is noisy: some items are non-mathematical, while others are ambiguous. In this paper, we test whether a voting ensemble of LLM judges can filter this noise. We evaluate it on Wikidata items with known MathWorld identifiers as a positive control, and examine how classification changes when database identifiers are removed from context. We then inspect the cases where the judges disagree with MathWorld and group these disagreements into three categories (degenerate descriptions, narrow scope bias, and editorial-scope mismatches) that suggest different remediation strategies.
- Abstract（参考訳）: Mathswitchは、Wikidata、Wikipedia、MathWorld、Encyclopedia of Mathematics、nLab、ProofWiki、Agda-Unimathなどのソースから数学の概念レコードをインポートし、同じ概念を参照するレコードをリンクするオープンソースプロジェクトである。
輸入されたコンテンツの再編成や再定義は行わず、それぞれのソースは独自の構造を保持する。
現在、Wikidataからコンセプトデータをインポートすることに重点を置いており、さらに多くのソースに拡大し、コンセプトリンクを改善する計画だ。
概念セットはウィキデータの共同編集グラフ上のクエリによって近似されるため、インポートされたデータはノイズが多く、いくつかの項目は数学的ではないが、他の項目はあいまいである。
本稿では,LLM審査員の投票アンサンブルが,このノイズをフィルタできるかどうかを検証する。
我々は、既知のMathWorld識別子を持つWikidataアイテムに対して、正の制御として評価し、データベース識別子がコンテキストから削除されたときに、分類がどのように変化するかを検討する。
次に、審査員がMathWorldと意見が一致しないケースを調査し、これらの不一致を3つのカテゴリ(退行記述、狭いスコープバイアス、編集-スコープミスマッチ)に分類し、異なる修復戦略を提案する。
関連論文リスト
- Diagnosing and Mitigating Semantic Inconsistencies in Wikidata's Classification Hierarchy [1.4705700441788643]
Wikidataはウェブ上で最大のオープンナレッジグラフであり、1億2000万以上のエンティティを含んでいる。
本研究では,分類誤りと過一般化サブクラスリンクの存在を確認するために,新しい検証手法を提案し,適用した。
ユーザが任意のウィキデータエンティティの分類関係を検査できるシステムを開発した。
論文 参考訳（メタデータ） (2025-11-07T02:09:00Z) - Class Order Disorder in Wikidata and First Fixes [0.0]
SPARQLクエリはWikidataに対して評価され、いくつかの違反や疑わしい情報の頻度を決定する。
より優れたツールやWikidataコミュニティの関与にもかかわらず、この問題にどのように対処するかについて提案されている。
論文 参考訳（メタデータ） (2024-11-23T13:15:13Z) - Evaluating D-MERIT of Partial-annotation on Information Retrieval [77.44452769932676]
検索モデルは、部分的に注釈付けされたデータセットでしばしば評価される。
部分的に注釈付けされたデータセットを評価に用いると歪んだ絵が描けることを示す。
論文 参考訳（メタデータ） (2024-06-23T08:24:08Z) - Learning List-Level Domain-Invariant Representations for Ranking [59.3544317373004]
リストレベルのアライメント -- より高いレベルのリストでドメイン不変表現を学習する。
利点は2つある: これは、ランク付けに縛られる最初のドメイン適応の一般化をもたらし、その結果、提案法に対する理論的支援を提供する。
論文 参考訳（メタデータ） (2022-12-21T04:49:55Z) - Mapping Process for the Task: Wikidata Statements to Text as Wikipedia
Sentences [68.8204255655161]
本稿では,ウィキデータ文をウィキペディアのプロジェクト用自然言語テキスト(WS2T)に変換するタスクに対して,文レベルでのマッピングプロセスを提案する。
主なステップは、文を整理し、四つ組と三つ組のグループとして表現し、それらを英語のウィキペディアで対応する文にマッピングすることである。
文構造解析,ノイズフィルタリング,および単語埋め込みモデルに基づく文成分間の関係について,出力コーパスの評価を行った。
論文 参考訳（メタデータ） (2022-10-23T08:34:33Z) - 'Tis but Thy Name: Semantic Question Answering Evaluation with 11M Names
for 1M Entities [0.0]
Wiki Entity similarity(WES)データセットは、Wikipediaのリンクテキストから生成される111M例、ドメインターゲット、セマンティックエンティティ類似性データセットである。
例はエンティティとフレーズで、セマンティッククラスタにグループ化され、複数の基底構造ラベルをシミュレートする。
人間のアノテータは、WESラベルに一貫して同意し、基本的なクロスエンコーダメトリックは、人間の正当性を予測するための4つの古典的な指標よりも優れている。
論文 参考訳（メタデータ） (2022-02-28T07:12:39Z) - Improving Candidate Retrieval with Entity Profile Generation for
Wikidata Entity Linking [76.00737707718795]
本稿では,エンティティ・プロファイリングに基づく新しい候補探索パラダイムを提案する。
我々は、このプロファイルを使用してインデックス付き検索エンジンに問い合わせ、候補エンティティを検索する。
本手法は,ウィキペディアのアンカーテキスト辞書を用いた従来の手法を補完するものである。
論文 参考訳（メタデータ） (2022-02-27T17:38:53Z) - Survey on English Entity Linking on Wikidata [3.8289963781051415]
Wikidataはコミュニティ主導の多言語知識グラフである。
現在のWikidata固有のEntity Linkingデータセットは、DBpediaのような他の知識グラフのためのスキームとアノテーションスキームの違いはない。
ほとんど全てのアプローチはラベルや時々記述のような特定の特性を用いるが、ハイパーリレーショナル構造のような特性は無視する。
論文 参考訳（メタデータ） (2021-12-03T16:02:42Z) - Assessing the quality of sources in Wikidata across languages: a hybrid
approach [64.05097584373979]
いくつかの言語でラベルを持つWikidataのトリプルからサンプルした参照コーパスの大規模なコーパスを評価するために,一連のマイクロタスク実験を実施している。
クラウドソースアセスメントの統合されたバージョンを使用して、いくつかの機械学習モデルをトレーニングして、Wikidata全体の分析をスケールアップしています。
この結果はWikidataにおける参照の質の確認に役立ち、ユーザ生成多言語構造化データの品質をWeb上で定義し、取得する際の共通の課題を特定するのに役立ちます。
論文 参考訳（メタデータ） (2021-09-20T10:06:46Z) - Autoregressive Entity Retrieval [55.38027440347138]
エンティティは、知識の表現と集約の方法の中心にあります。
クエリが与えられたエンティティを検索できることは、エンティティリンクやオープンドメインの質問応答のような知識集約的なタスクに基本となる。
本稿では,自己回帰方式でトークン・バイ・トークンを左から右に生成し,エンティティを検索する最初のシステムであるGENREを提案する。
論文 参考訳（メタデータ） (2020-10-02T10:13:31Z) - Commonsense Knowledge in Wikidata [3.8359194344969807]
本稿では,既存のコモンセンスソースを補完するコモンセンス知識をウィキデータが保持しているかどうかを検討する。
我々はWikidataとConceptNetの関係をマッピングし、Wikidata-CSを既存の統合コモンセンスグラフに統合する。
論文 参考訳（メタデータ） (2020-08-18T18:23:06Z)
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。