論文の概要: COCI: Conference Organisers and Content Identifier

• arxiv url: http://arxiv.org/abs/2608.24559v1
• Date: Tue, 25 Aug 2026 13:43:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.005951
• Title: COCI: Conference Organisers and Content Identifier
• Title（参考訳）: COCI:会議オーガナイザとコンテンツ識別装置
• Abstract要約: COCIはAIベースのフレームワークで、生のCfPテキストからきめ細かい構造化メタデータを抽出するように設計されている。 著者を曖昧にし、トピックやカンファレンスシリーズを意味的に整合させることで、COCIは非公式な学術的普及とセマンティックウェブリソースのギャップを埋める。
• 参考スコア（独自算出の注目度）: 13.667782195850043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the critical role of grey literature in scholarly communication, artefacts such as Calls for Papers (CfPs) remain largely isolated from modern Scholarly Knowledge Graphs. The unstructured and highly heterogeneous nature of these documents has traditionally hindered their large-scale processing. In this demo paper, we present the Conference Organisers and Content Identifier (COCI), an AI-based framework designed to extract fine-grained, structured metadata from raw CfP texts. COCI employs a multi-stage pipeline that combines Large Language Models (LLMs) with semantic mapping techniques to integrate extracted entities with established knowledge bases, including OpenAlex, DBLP, TIB ConfIDent, and the AIDA Dashboard. By disambiguating authors and semantically aligning topics and conference series, COCI bridges the gap between informal scholarly dissemination and structured Semantic Web resources, laying the foundation for systematic analysis of non-publisher-based academic events.
• Abstract（参考訳）: 学術的なコミュニケーションにおけるグレイ文学の重要な役割にもかかわらず、Calls for Papers (CfPs)のような人工物は現代の学術的知識グラフから大きく分離されている。 これらの文書の非構造的で非常に異質な性質は、伝統的に大規模な処理を妨げてきた。 本稿では、生のCfPテキストからきめ細かな構造化メタデータを抽出するAIベースのフレームワークであるCOCI(Conference Organisers and Content Identifier)を紹介する。 COCIは、Large Language Models(LLM)とセマンティックマッピング技術を組み合わせて、OpenAlex、DBLP、TIB Confident、AIDA Dashboardといった既存の知識ベースと抽出されたエンティティを統合するマルチステージパイプラインを採用している。 著者を曖昧にし、トピックや会議シリーズを意味的に整合させることで、COCIは非公式な学術的普及と構造化されたセマンティックウェブリソースのギャップを埋め、非出版者ベースの学術イベントの体系的分析の基礎を築いた。

関連論文リスト

• Does Syntax Matter? A Graph-Augmented Variational Topic Model for Computational Social Sciences [51.56484100374058]
  本稿では、構文依存関係をトピック推論に組み込んだアーキテクチャである、構造的文脈確率的トピックモデル(SCPTM)を紹介する。 本研究では,レジスタ構造と談話構造が異なる4つのコーパスのトピックモデリング手法について検討した。 その結果, SCPTMのニューラルアーキテクチャは, 生成的ベースラインよりも文書・トピックアライメントが著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2026-09-07T17:39:06Z)
• A Pathway for Assessing Grey Literature: Leveraging AI to Extract Conference Metadata and Organiser Information from Calls for Papers [13.667782195850043]
  COCIはAIベースのフレームワークで、生のCfPテキストからきめ細かい構造化メタデータの抽出を自動化する。 カンファレンスのエディション、地理的な場所、オーガナイザの包括的リストを含む重要なデータポイントと、それらの特定の役割とアフィリエイトを識別する。
  論文  参考訳（メタデータ） (2026-08-19T07:24:40Z)
• Code as Representation: A Compilable Parsing Paradigm for Academic Documents [50.40789738182074]
  Compilable Academic Document Parsing (CADP)は、コンテキストラプラス実行可能なPythonとして全ページを再構築するパラダイムである。 テキストと複数のSAEタイプを含む全学術ページのエキスパート検証ベンチマークであるCADP-Benchを紹介する。 その結果、フロンティアモデルでさえも、高忠実度で実行可能な再構築を行うのに苦戦していることがわかった。
  論文  参考訳（メタデータ） (2026-08-18T09:10:43Z)
• 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)
• Explainable Disentangled Representation Learning for Generalizable Authorship Attribution in the Era of Generative AI [70.05655131235999]
  EAVAE(Explainable Authorship Variational Autoencoder)は、コンテンツからスタイルを明示的に切り離す新しいフレームワークである。 ディスタングルメントは、新規な差別者を通じて実施される。 EAVAEは、AI生成テキスト検出のためのM4データセットよりも、数ショットの学習に優れています。
  論文  参考訳（メタデータ） (2026-04-23T05:34:20Z)
• Beyond Statistical Co-occurrence: Unlocking Intrinsic Semantics for Tabular Data Clustering [52.97486694817375]
  本稿では,TagCC(Tabular-Augmented Contrastive Clustering)を提案する。 TagCCは、セマンティック・アウェア・トランスフォーメーションを通じて、基礎となるデータセマンティクスをテキストアンカーに蒸留する。 クラスタリングの目的と共同で最適化されており、学習した表現がセマンティックに一貫性があり、クラスタリングに親しみやすいことを保証する。
  論文  参考訳（メタデータ） (2026-04-13T00:25:22Z)
• Learning Hierarchical Knowledge in Text-Rich Networks with Taxonomy-Informed Representation Learning [16.211492894357473]
  本稿では,まず暗黙的な階層型分類を構築し,それを学習ノード表現に統合するTIERを提案する。 細粒度と粗粒度のセマンティクスをエンコードする表現を学習することにより、TIERは現実世界のテキストリッチネットワーク(TRN)のより解釈可能で構造化されたモデリングを可能にする。 提案手法は, 多様な領域にまたがる複数のデータセットにおいて, 既存の手法を著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-03-09T09:40:18Z)
• Structured Attention Matters to Multimodal LLMs in Document Understanding [52.37530640460363]
  入力形式が文書理解性能に与える影響について検討する。 生のOCRテキストはMLLMの性能を向上するのではなく、しばしば機能不全であることがわかった。 本稿では,LaTexパラダイムを用いて文書要素を符号化する構造保存手法を提案する。
  論文  参考訳（メタデータ） (2025-06-19T07:16:18Z)
• Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering [51.7493726399073]
  本稿では,長文質問応答を改善するための対話型階層型フレームワークを提案する。 このフレームワークには3つの重要な革新がある: 長文の専門的な談話解析、LLMに基づく談話関係ノードの拡張、構造誘導階層検索である。
  論文  参考訳（メタデータ） (2025-05-26T14:45:12Z)
• Enhancing Abstractive Summarization of Scientific Papers Using Structure Information [6.414732533433283]
  本稿では,学術論文における構造的機能の自動認識を活用する2段階の抽象的要約フレームワークを提案する。 第1段階では,多くの学術論文から章題を標準化し,構造関数認識のための大規模データセットを構築した。 第2段階では、Longformerを用いて、セクション間のリッチなコンテキスト関係をキャプチャし、コンテキスト対応の要約を生成する。
  論文  参考訳（メタデータ） (2025-05-20T10:34:45Z)
• EMK-KEN: A High-Performance Approach for Assessing Knowledge Value in Citation Network [0.0]
  EMK-KENと呼ばれる新しい知識評価手法を提案する。 モデルは2つのモジュールから構成される。具体的には、まずMetaFPとMambaを使用して、ノードメタデータとテキスト埋め込みのセマンティックな特徴をキャプチャする。 第2のモジュールはkanを利用して、異なる分野のネットワークの違いを学習するために、引用ネットワークの構造情報をさらにキャプチャする。
  論文  参考訳（メタデータ） (2025-01-19T06:27:46Z)
• Cyber-Security Knowledge Graph Generation by Hierarchical Nonnegative Matrix Factorization [8.158794536515245]
  サイバーセキュリティに関する人間の知識の多くは、増え続ける科学論文の中にカプセル化されている。 知識グラフ(KG)は、事実情報を構造化された方法で保存する手段として機能する。 科学文献からKGを構築する際の課題の1つは、構造化されていないテキストからオントロジーを抽出することである。
  論文  参考訳（メタデータ） (2024-03-24T16:30:05Z)
• Knowledge-Enhanced Hierarchical Information Correlation Learning for Multi-Modal Rumor Detection [82.94413676131545]
  マルチモーダルなうわさ検出のための知識強化型階層型情報相関学習手法(KhiCL)を提案する。 KhiCLは異質な一様性特徴を共通特徴空間に伝達するために、クロスモーダルな関節辞書を利用する。 画像やテキストから視覚的およびテキスト的実体を抽出し、知識関連推論戦略を設計する。
  論文  参考訳（メタデータ） (2023-06-28T06:08:20Z)

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。