論文の概要: Graph-Based Discovery of Mathematical Software Communities and Publication-to-Community Prediction

• arxiv url: http://arxiv.org/abs/2608.16455v1
• Date: Mon, 17 Aug 2026 11:56:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.669775
• Title: Graph-Based Discovery of Mathematical Software Communities and Publication-to-Community Prediction
• Title（参考訳）: グラフに基づく数理ソフトウェアコミュニティの発見とコミュニティへの公開予測
• Abstract要約: 研究ソフトウェアは、伝統的な学際的境界にまたがる異なる共用コミュニティを形成している。 本稿では,数理ソフトウェアコミュニティの発見と研究論文との関連性を予測するためのグラフベースのフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.006352089238062
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Research software forms distinct co-usage communities that span traditional disciplinary boundaries, yet the structure of these communities remains largely unexplored. We present a graph-based framework for discovering mathematical software communities and predicting their association with research publications. We construct a software co-usage network from publication-software relationships using a curated swMATH dataset and subsequently apply community detection method, revealing a heterogeneous landscape of mathematical software communities. We formulate publication-to-community mapping as a multi-label classification task and further investigate whether community membership can be predicted from lightweight scholarly metadata. Specifically, we compare two feature representations of scientific publications: Mathematics Subject Classification (MSC) and title-based embeddings. Across a range of models, structured MSC representation consistently provides a stronger precision-recall trade-off, demonstrating that structured domain metadata captures software-community structure more effectively than compressed title-only semantics in this setting. This work highlights the continuing value of structured scholarly metadata for large-scale research software discovery, classification and recommendation.
• Abstract（参考訳）: 研究ソフトウェアは、伝統的な学際的な境界にまたがる異なる共同利用コミュニティを形成するが、これらのコミュニティの構造はほとんど解明されていない。 本稿では,数理ソフトウェアコミュニティの発見と研究論文との関連性を予測するためのグラフベースのフレームワークを提案する。 計算済みの swMATH データセットを用いて、出版・ソフトウェア関係からソフトウェア共用ネットワークを構築し、その後、コミュニティ検出手法を適用し、数学的ソフトウェアコミュニティの異質な景観を明らかにする。 出版・コミュニティマッピングを多ラベル分類タスクとして定式化し、軽量な学術メタデータからコミュニティメンバーシップを予測できるかどうかをさらに検討する。 具体的には、科学出版物の2つの特徴表現、数学主題分類(MSC)とタイトルベース埋め込みを比較した。 一連のモデル全体で、構造化MSC表現は、この設定で圧縮されたタイトルのみのセマンティクスよりも効率的にソフトウェアコミュニティ構造をキャプチャすることを示す、より強力な精度-リコールトレードオフを提供する。 この研究は、大規模研究ソフトウェア発見、分類、推薦のための構造化された学術メタデータの継続的な価値を強調している。

関連論文リスト

• The zbMATH Open Knowledge Graph: Tracing Centuries of Mathematical Research [2.2549386819889734]
  zbMATH Open KGは250年以上の数学研究をカバーした大規模RDF知識グラフである。 このグラフは、既存のセマンティックウェブ語彙で表される3億3800万のエンティティと1億6800万のRDFトリプルで構成されている。
  論文  参考訳（メタデータ） (2026-09-01T09:27:06Z)
• Reconnecting Fragmented Citation Networks with Semantic Augmentation [0.6598115808819748]
  本稿では,大規模言語モデル(LLM)に基づくテキスト類似度と,引用トポロジを統合した計算効率のよいハイブリッドフレームワークを提案する。 分割された小さなコンポーネントから意味的なエッジを追加し、テキストの類似性に応じて既存の引用を重み付けすることで、元のグラフを強化します。 この方法は,大規模なデータセットに効率よくスケールし,学際的境界を崩壊させることなく,引用に基づく指標を強化するための実践的戦略を提供する。
  論文  参考訳（メタデータ） (2026-05-12T15:28:39Z)
• SotA Lens: A Network-Augmented Methodology and Tool for Exploratory State-of-the-Art Reviews [0.0]
  SotA Lensは、探索的ステート・オブ・ザ・アートレビューのための、ネットワーク拡張された方法論と軽量ソフトウェアツールキットである。 PRISMA、PRISMA-ScR、システマティックマッピング研究、バイオロメトリ科学マッピングなどの確立したレビュープロトコルを補完し、置き換えないように設計されている。
  論文  参考訳（メタデータ） (2026-05-05T19:44:35Z)
• Intelligent Scientific Literature Explorer using Machine Learning (ISLE) [0.797970449705065]
  本稿では,大規模データ取得,ハイブリッド検索,セマンティックトピックモデリング,異種知識グラフ構築を組み合わせた科学文献探索システムを提案する。 提案するフレームワークは,AIによる科学的発見の基盤となる。
  論文  参考訳（メタデータ） (2025-12-14T16:54:24Z)
• Graph Foundation Models: A Comprehensive Survey [66.74249119139661]
  Graph Foundation Models (GFMs)は、構造化データにスケーラブルで汎用的なインテリジェンスを提供することを目指している。 この調査は、GFMの概要を包括的に提供し、モジュラーフレームワークの下での多様な取り組みを統合する。 GFMは構造化データに対するオープンエンド推論の基盤となる。
  論文  参考訳（メタデータ） (2025-05-21T05:08:00Z)
• Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
  大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。 生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。 我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
  論文  参考訳（メタデータ） (2024-10-02T20:48:28Z)
• Masked Image Modeling: A Survey [73.21154550957898]
  マスク付き画像モデリングは、コンピュータビジョンにおける強力な自己教師付き学習技術として登場した。 我々は近年,分類学を構築し,最も顕著な論文をレビューしている。 我々は,最も人気のあるデータセット上で,様々なマスク付き画像モデリング手法の性能評価結果を集約する。
  論文  参考訳（メタデータ） (2024-08-13T07:27:02Z)
• SciMMIR: Benchmarking Scientific Multi-modal Information Retrieval [64.03631654052445]
  科学領域内の画像テキストペアリングにおけるMMIR性能を評価するための最新のベンチマークは、顕著なギャップを示している。 オープンアクセス用紙コレクションを利用した特殊な科学的MMIRベンチマークを開発する。 このベンチマークは、科学的文書に詳細なキャプションのある数字や表から抽出された、530Kの精巧にキュレートされた画像テキストペアからなる。
  論文  参考訳（メタデータ） (2024-01-24T14:23:12Z)
• SciNoBo : A Hierarchical Multi-Label Classifier of Scientific Publications [0.7305019142196583]
  科学論文のフィールド・オブ・サイエンス(FoS)による分類が重要である。 本稿では,FoSの新たな分類システムであるSciNoBoを紹介する。 他の研究とは対照的に,本システムは複数の分野への出版物の割り当てを多元性の可能性を考慮して支援する。
  論文  参考訳（メタデータ） (2022-04-02T15:09:33Z)
• Deep Relational Metric Learning [84.95793654872399]
  本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。 我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。 広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-08-23T09:31:18Z)
• Amortized Probabilistic Detection of Communities in Graphs [39.56798207634738]
  そこで我々は,アモータイズされたコミュニティ検出のためのシンプルなフレームワークを提案する。 我々はGNNの表現力と最近のアモータイズクラスタリングの手法を組み合わせる。 我々は、合成および実データセットに関するフレームワークから、いくつかのモデルを評価する。
  論文  参考訳（メタデータ） (2020-10-29T16:18:48Z)
• Learning to Combine: Knowledge Aggregation for Multi-Source Domain Adaptation [56.694330303488435]
  マルチソースドメイン適応(LtC-MSDA)フレームワークを併用する学習法を提案する。 簡単に言うと、知識グラフは様々なドメインのプロトタイプ上に構築され、セマンティックに隣接した表現間の情報伝達を実現する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-07-17T07:52:44Z)
• Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
  本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。 ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。 このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
  論文  参考訳（メタデータ） (2020-06-02T14:10:28Z)

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。