論文の概要: Exploring the relationship between team institutional composition and novelty in academic papers based on fine-grained knowledge entities
- arxiv url: http://arxiv.org/abs/2606.31058v1
- Date: Tue, 30 Jun 2026 02:49:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.046308
- Title: Exploring the relationship between team institutional composition and novelty in academic papers based on fine-grained knowledge entities
- Title（参考訳）: きめ細かい知識に基づく学術論文におけるチーム構成とノベルティの関係を探る
- Abstract要約: 本研究では,チーム構成と学術論文の細粒度新規性との関係について検討した。
自然言語処理の分野では、産業機関と学術機関のコラボレーションは、純粋に工業的なコラボレーションよりも、新しい論文を生み出す傾向にある。
- 参考スコア（独自算出の注目度）: 13.859633687498464
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The composition of author teams is an important factor influencing the novelty of academic papers. However, existing studies have paid limited attention to the role of institutional composition, and most novelty measures remain at a general level, making it difficult to explain the specific sources and types of novelty in papers. Taking the field of natural language processing as an example, this study investigates the relationship between team institutional composition and the fine-grained novelty of academic papers. Author teams are classified into three types: academic institutions, industrial institutions, and mixed academic and industrial institutions. Four types of fine-grained knowledge entities are extracted from full-text papers, including methods, datasets, tools, and metrics. The novelty of papers is then measured based on entity combinations, and pairwise combinations of different entity types are further analyzed to examine their contributions to novel papers. The results show that, in the field of natural language processing, collaboration between industrial and academic institutions is more likely to produce novel papers than purely industrial collaboration. From the perspective of fine-grained knowledge entities, mixed academic and industrial teams pay more attention to the novelty of method-metric combinations, whereas industrial teams pay more attention to the novelty of method-tool combinations. This study reveals the relationship between institutional team composition and paper novelty through fine-grained novelty measurement, providing useful evidence for improving paper quality and promoting industry-academia-research collaboration.
- Abstract（参考訳）: 著者チームの構成は学術論文の新規性に影響を与える重要な要因である。
しかし、既存の研究は制度構成の役割に限定的な注意を払っており、ほとんどの新規性対策は一般的なレベルに留まっており、論文の特定の出典や新奇性の種類を説明することは困難である。
本研究は、自然言語処理の分野を例として、チーム構成と学術論文のきめ細かい新規性との関係を考察する。
著者チームは、学術機関、工業機関、混成学術機関と工業機関の3つのタイプに分類される。
4種類のきめ細かい知識エンティティは、メソッド、データセット、ツール、メトリクスを含むフルテキストの論文から抽出される。
論文の新規性は、エンティティの組み合わせに基づいて測定され、異なるエンティティタイプのペアの組合せはさらに分析され、新しい論文への貢献について調べられる。
その結果, 自然言語処理の分野では, 産業と学術の連携は, 純粋に産業の連携よりも, 新規な論文を産み出す傾向が示唆された。
微粒な知識の実体の観点からは、学術と工業の混成チームは、メソッド・メトリックの組み合わせの新規性により注意を払う一方、工業チームはメソッド・ツールの組み合わせの新規性により注意を払う。
本研究は, 紙の品質向上と産学連携の促進に資する, きめ細かいノベルティ測定による組織チーム構成と紙ノベルティの関係を明らかにする。
関連論文リスト
- Unveiling Novelty Evolution in the field of Library and Information Science in China [6.316647265710944]
本研究は,中国における図書館情報科学(LIS)分野における学術論文の新規性分布を分析した。
2000年から2022年の間、中国社会科学振興指数(CSSCI)によって索引付けされた中国のLIS雑誌に掲載された記事が調査サンプルとして収集された。
論文 参考訳（メタデータ） (2026-06-29T07:10:13Z) - Exploring Novelty Differences between Industry and Academia: A Knowledge Entity-centric Perspective [7.232456257799662]
本研究は,4種類のきめ細かい知識を用いた分析を行う。
統一意味空間内のエンティティ間のセマンティック距離を計算し、ノベルティを定量化する。
業界と学界の出版ノベルティの違いを分析するために回帰モデルを構築した。
論文 参考訳（メタデータ） (2026-03-16T14:41:51Z) - Quantifying the Knowledge Proximity Between Academic and Industry Research: An Entity and Semantic Perspective [7.232456257799662]
学術と産業は、相互整形と動的フィードバック機構によって特徴づけられる。
既存の研究は、主に協力論文や特許の数などのマクロ指標に依存している。
本研究では, 微粒な実体と意味空間を通して, 学術・産業共進化の軌跡を定量化する。
論文 参考訳（メタデータ） (2026-02-05T02:12:47Z) - Compare: A Framework for Scientific Comparisons [7.1713300851206725]
科学的コントリビューションの高度な長文比較を可能にする新しいフレームワークであるComparceを実証する。
比較は、研究の重複や、機関と出版の粒度の相違について調査し分析することを可能にする。
従来のサイエントメトリックツールとは異なり、Compareは定性的で引用支援された比較を提供することによって、定量指標を超える。
論文 参考訳（メタデータ） (2025-09-08T08:05:26Z) - Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる
この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。
本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
論文 参考訳（メタデータ） (2024-07-17T20:01:21Z) - Chain-of-Factors Paper-Reviewer Matching [32.86512592730291]
本稿では,意味的・話題的・引用的要因を協調的に考慮した,論文レビューアマッチングのための統一モデルを提案する。
提案したChain-of-Factorsモデルの有効性を,最先端のペーパー-リビューアマッチング手法と科学的事前学習言語モデルと比較した。
論文 参考訳（メタデータ） (2023-10-23T01:29:18Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Target-aware Abstractive Related Work Generation with Contrastive
Learning [48.02845973891943]
関連作業部は学術論文の重要な構成要素であり、参考論文の文脈における対象論文の貢献を強調している。
既存の作業部生成手法の多くは、既成の文章を抽出することに依存している。
本稿では,新たな文からなる関連作業区間を生成できる抽象的目標認識関連作業生成装置(TAG)を提案する。
論文 参考訳（メタデータ） (2022-05-26T13:20:51Z) - Revise and Resubmit: An Intertextual Model of Text-based Collaboration
in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。
既存のNLP研究は個々のテキストの分析に重点を置いている。
編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文 参考訳（メタデータ） (2022-04-22T16:39:38Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z) - Improving Machine Reading Comprehension with Contextualized Commonsense
Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。
構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。
我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文 参考訳（メタデータ） (2020-09-12T17:20:01Z)
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。