Fugu-MT 論文翻訳(概要): Granularity in Actoin: Graphing sources for social history

論文の概要: Granularity in Actoin: Graphing sources for social history

arxiv url: http://arxiv.org/abs/2607.07183v1
Date: Wed, 08 Jul 2026 09:16:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-09 22:50:30.340569
Title: Granularity in Actoin: Graphing sources for social history
Title（参考訳）: アクトインにおけるグラニュラリティ--社会史のグラフ化源
Abstract要約: 本稿では, 過去の資料をフォアグラウンド行動の原理に基づいて整理した構造化データに変換するパイプラインについて述べる。それは、社会史へのきめ細かいアプローチに適したパイプラインへの欲求に根ざしている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This working paper describes a pipeline for turning historical sources into structured data organised around the principle of foregrounding action as the basic and constitutive unit of analysis. It is rooted in a desire for pipelines that suit a granular approach to social history. The pipeline rests on the principles developed in the GRAM-framework (Graph of Roles and Actions Model), but leverages a range of machine learning tools to allow for an automated, skeletal graphing of actions. Ideally, such auto-GRAMS would integrate with close readings, including extensive manual graphing. Finally, we provide an example of how this approach might work in practice by graphing actions of pretending across four separate archival collections, relating to runaways and itinerants in eighteenth and nineteenth-century Denmark.
Abstract（参考訳）: 本稿では,過去の資料を基礎的・構成的分析単位として,前景行動の原理を中心に整理した構造化データに変換するパイプラインについて述べる。それは、社会史へのきめ細かいアプローチに適したパイプラインへの欲求に根ざしている。パイプラインは、GRAMフレームワーク(Graph of Roles and Actions Model)で開発された原則に基づいているが、さまざまな機械学習ツールを活用して、アクションの自動化された骨格グラフ作成を可能にする。理想的には、このような自動GRAMSは、広範囲な手動グラフ作成を含むクローズリーディングと統合される。最後に、このアプローチが実際にどのように機能するかの例として、18世紀と19世紀のデンマークにおける脱走と反復に関する4つの異なるアーカイブコレクションのふりをする行動を挙げる。

関連論文リスト

GraphReAct: Reasoning and Acting for Multi-step Graph Inference [49.26607058250454]
GraphReActは、グラフ構造化データに対するステップバイステップの推論を可能にするグラフ推論実行フレームワークである。検索と精細化の両方で推論をインターリーブすることで、我々のフレームワークは文脈拡張から圧縮への進歩的な移行を可能にします。
論文参考訳（メタデータ） (2026-05-08T07:09:42Z)
From Global to Local: Learning Context-Aware Graph Representations for Document Classification and Summarization [18.674554099946203]
本稿では,グラフベースの文書表現を自動的に構築するデータ駆動方式を提案する。我々は動的スライディング・ウインドウ・アテンション・モジュールを利用して文間の意味的依存関係をキャプチャする。本稿では,抽出文書要約のためのグラフ構築手法の探索的評価を行う。
論文参考訳（メタデータ） (2026-02-03T14:48:47Z)
AutoGraph-R1: End-to-End Reinforcement Learning for Knowledge Graph Construction [60.51319139563509]
強化学習(RL)を用いたタスクパフォーマンスのKG構築を直接最適化する最初のフレームワークであるAutoGraph-R1を紹介する。我々は2つの新しいタスク対応報酬関数を設計し、1つは知識担体としてのグラフと、もう1つは知識指標としてのグラフを設計する。私たちの研究は、構築とアプリケーションの間のループを閉じることが可能であることを示している。
論文参考訳（メタデータ） (2025-10-17T06:03:36Z)
Reasoning by Exploration: A Unified Approach to Retrieval and Generation over Graphs [39.425801384830415]
構造化グラフに対する推論は、大規模言語モデルにとって依然として根本的な課題である。グラフ探索のプロセスとしてグラフ上の推論をフレーミングすることによって検索と生成を統一する新しい手法であるReasoning by Exploration (RoE)を提案する。 RoEは、ベースラインよりも大幅に全体的な改善を実現し、また、目に見えないグラフに効果的に一般化する。
論文参考訳（メタデータ） (2025-10-08T19:29:19Z)
Graphy'our Data: Towards End-to-End Modeling, Exploring and Generating Report from Raw Data [5.752510084651565]
Graphyは、データモデリング、探索、高品質なレポート生成を自動化するエンドツーエンドプラットフォームである。文献調査のシナリオをどのように促進するかを示す,5万を越える論文(参考資料を含む)の事前スクラップグラフを紹介します。
論文参考訳（メタデータ） (2025-02-24T06:10:49Z)
Towards Graph Foundation Models: Learning Generalities Across Graphs via Task-Trees [50.78679002846741]
タスクツリーを用いたグラフのクロスタスク一般化のための新しい手法を提案する。本稿では,グラフニューラルネットワーク(GNN)を多種多様なタスクツリー上で事前学習することにより,伝達可能な知識を誘導することを示す。これにより、最小限の微調整で下流タスクに効率的に適応できる。
論文参考訳（メタデータ） (2024-12-21T02:07:43Z)
Graph Foundation Models: Concepts, Opportunities and Challenges [66.37994863159861]
ファンデーションモデルは、さまざまな人工知能アプリケーションにおいて重要なコンポーネントとして現れてきた。一般化と適応における基礎モデルの能力は、グラフ機械学習研究者を動機付け、新しいグラフ学習パラダイムを開発する可能性について議論する。本稿では,グラフ基礎モデル(GFM)の概念を紹介し,その重要な特徴と基礎技術について概説する。
論文参考訳（メタデータ） (2023-10-18T09:31:21Z)
You Only Transfer What You Share: Intersection-Induced Graph Transfer Learning for Link Prediction [79.15394378571132]
従来見過ごされていた現象を調査し、多くの場合、元のグラフに対して密に連結された補グラフを見つけることができる。より密度の高いグラフは、選択的で有意義な知識を伝達するための自然なブリッジを提供する元のグラフとノードを共有することができる。この設定をグラフインターセクション誘導トランスファーラーニング(GITL)とみなし,eコマースや学術共同オーサシップ予測の実践的応用に動機づけられた。
論文参考訳（メタデータ） (2023-02-27T22:56:06Z)
Instance Segmentation Based Graph Extraction for Handwritten Circuit Diagram Images [4.365209337828563]
本稿では, インスタンス分割とキーポイント抽出の手法を用いて, 電気的成分(端末とテキストの記述を含む)を抽出するアプローチについて述べる。得られたグラフ抽出プロセスは、モデル推論と自明な幾何学的キーポイントマッチングの2段階からなる。
論文参考訳（メタデータ） (2023-01-09T03:00:20Z)
Graph Pooling for Graph Neural Networks: Progress, Challenges, and Opportunities [128.55790219377315]
グラフニューラルネットワークは多くのグラフレベルのタスクの主要なアーキテクチャとして登場した。グラフプーリングは、グラフ全体の全体的グラフレベル表現を得るためには不可欠である。
論文参考訳（メタデータ） (2022-04-15T04:02:06Z)
Structural Information Preserving for Graph-to-Text Generation [59.00642847499138]
グラフ・トゥ・テキスト生成の課題は、入力グラフの意味を保存した文を生成することである。入力情報を保存するためのモデルとして,より豊かなトレーニング信号を活用することで,この問題に取り組むことを提案する。グラフからテキストへの生成のための2つのベンチマークに関する実験は、最先端のベースラインに対するアプローチの有効性を示しています。
論文参考訳（メタデータ） (2021-02-12T20:09:01Z)

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。