論文の概要: The WebKurator.de Platform: Combined Regional and Topical Web Curation

• arxiv url: http://arxiv.org/abs/2609.03971v1
• Date: Thu, 03 Sep 2026 15:08:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.126363
• Title: The WebKurator.de Platform: Combined Regional and Topical Web Curation
• Title（参考訳）: WebKurator.de Platform: 地域とトピックによるWebキュレーション
• Abstract要約: WebKurator.deは、地域とトピックのウェブキュレーションを組み合わせた共同プラットフォームである。 WebKuratorは、トピックの分類と地理的アノテーションを明確に分離する2次元キュレーションモデルを導入している。 プラットフォームは、ドイツのImprintsデータセットからブートストラップされ、5億5450万のWebサイトの大規模なコレクションである。
• 参考スコア（独自算出の注目度）: 1.7307684268156465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The systematic curation of the Web remains a central challenge for national libraries and memory institutions that aim to preserve culturally and regionally relevant content. Existing directory-based approaches such as Curlie implement a predominantly topic-centric, one-dimensional hierarchy, where geographic aspects are intertwined with topical and linguistic categories. To address this limitation, we present WebKurator.de, a collaborative platform for combined regional and topical web curation, initially focused on the German web. WebKurator introduces a two-dimensional curation model that explicitly separates topical categorization and geographic annotation. The system integrates LLM-based topic classification and imprint-based address extraction with geocoding, and supports user suggestions together with moderated review. The platform is bootstrapped from the German Imprints Dataset, a large-scale collection of 5.54 million websites. Among them, 3.14 million contain imprint pages, for which we successfully extracted and geocoded postal addresses. Of these, 2.58 million (85.17%) are located in Germany and also have an assigned topic label. These websites form the initial foundation of WebKurator.de and can be continuously extended through user suggestions.
• Abstract（参考訳）: Webの体系的なキュレーションは、文化的・地域的なコンテンツを保存することを目的とした国立図書館や記憶機関にとって、依然として中心的な課題である。 カーリーのような既存のディレクトリベースのアプローチは、地理的側面がトピックや言語的カテゴリに絡み合う、主にトピック中心の1次元階層を実装している。 この制限に対処するため、まずはドイツのウェブに焦点を当てた、地域とトピックのウェブキュレーションを組み合わせた共同プラットフォームであるWebKurator.deを紹介した。 WebKuratorは、トピックの分類と地理的アノテーションを明確に分離する2次元キュレーションモデルを導入している。 このシステムは、LLMベースのトピック分類とジオコーディングとインプリントベースのアドレス抽出を統合し、適度なレビューとともにユーザ提案をサポートする。 プラットフォームはドイツのImprints Datasetからブートストラップされ、5億5450万のウェブサイトが集まっている。 そのうち3.14百万はインプリントページを含んでおり、郵便住所の抽出とジオコード化に成功しました。 このうち258万人(85.17%)がドイツにあり、割り当てられた話題ラベルを持っている。 これらのWebサイトはWebKurator.deの最初の基盤を形成しており、ユーザの提案を通じて継続的に拡張することができる。

関連論文リスト

• PinLanding: Content-First Keyword Landing Page Generation via Multi-Modal AI for Web-Scale Discovery [7.842599502996326]
  我々はPinLandingを紹介します。PinLandingは、プラットフォームがトピックコレクションを作成する方法を変える、コンテンツファーストアーキテクチャです。 本システムでは,属性抽出のための視覚言語モデル(VLM)とトピック生成のための大規模言語モデル(LLM)と,正確なコンテンツマッチングのためのCLIPベースのデュアルエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2025-03-01T20:55:28Z)
• Organize the Web: Constructing Domains Enhances Pre-Training Data Curation [129.27104172458363]
  トピックとフォーマットの両面からWebページを整理するフレームワークを開発する。 我々は,大規模な言語モデルからアノテーションを抽出して,事前学習データを自動的にアノテートし,効率的なキュレーションを行う。 我々の研究は、ドメインの構築と混合が、品質ベースのデータキュレーション手法の貴重な補完となることを実証している。
  論文  参考訳（メタデータ） (2025-02-14T18:02:37Z)
• A Benchmark for Cross-Domain Argumentative Stance Classification on Social Media [12.479554210753664]
  論証的姿勢分類は、特定のトピックに対する著者の視点を特定する上で重要な役割を担っている。 既存のベンチマークは、単一のドメインからのものや、限られたトピックにフォーカスすることが多い。 我々は,人的アノテーションの必要性を回避するために,プラットフォームルール,手軽に利用可能な専門家によるコンテンツ,および大規模言語モデルを活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-11T15:20:11Z)
• Leveraging Large Language Models to Geolocate Linguistic Variations in Social Media Posts [0.0]
  大きな言語モデル(LLM)を活用することで、イタリア語で書かれたツイートをジオローカライズするという課題に対処する。 我々のアプローチは、これらの地理的局在化の側面を同時に予測するために、訓練済みのLLMを微調整することである。 この研究は、バーティノロ国際スプリングスクール2024のLarge Language Modelsコースの一部として実施されている。
  論文  参考訳（メタデータ） (2024-07-22T20:54:35Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• Addressing Issues of Cross-Linguality in Open-Retrieval Question Answering Systems For Emergent Domains [67.99403521976058]
  新型コロナウイルスの緊急ドメインに対する言語横断的オープン検索型質問応答システムについて紹介する。 本システムでは,検索した文書の信頼性を確保するために,学術論文のコーパスを採用している。 深いセマンティック・レトリバーは、我々の英語からすべてのデータに対するトレーニングの恩恵が大きく、言語横断環境ではBM25ベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2022-01-26T19:27:32Z)
• Topology and Geometry of the Third-Party Domains Ecosystem: Measurement and Applications [0.0]
  我々は、世界中のユーザのブラウザ内でのドメインのインタラクションを観察することで、サードパーティドメインのネットワークを推測する。 このネットワークは、パワー・ロー次数分布、強いクラスタリング、小世界の特性など、複雑なネットワークでよく見られる構造的特性を持つ。 予測力を持ち、サードパーティのドメインが共ホストされている可能性、同一の法的エンティティに属している可能性、あるいは企業買収に関して、将来同じエンティティの下にマージされる可能性を示します。
  論文  参考訳（メタデータ） (2021-12-06T11:02:01Z)
• The Klarna Product Page Dataset: Web Element Nomination with Graph Neural Networks and Large Language Models [51.39011092347136]
  私たちはKlarna Product Pageデータセットを紹介します。これは、豊かさと多様性で既存のデータセットを超えるWebページの集合です。 我々は、Web要素指名タスクにおいて、GNN(Graph Neural Networks)の範囲を実証的にベンチマークする。 第2に、各ページから少数の関連要素を識別する訓練改善手順を導入する。 第3に,推薦精度をさらに高める新たなトレーニング手法であるChallenge Nomination Training procedureを導入する。
  論文  参考訳（メタデータ） (2021-11-03T12:13:52Z)
• \textit{StateCensusLaws.org}: A Web Application for Consuming and Annotating Legal Discourse Learning [89.77347919191774]
  法律テキストの対話セグメントを解析およびラベル付けするために訓練されたNLPモデルの出力を強調表示するためのWebアプリケーションを作成します。 我々は、米国国勢調査人口を用いて資源を割り当て、政府を組織する州レベルの法律に焦点を当てる。
  論文  参考訳（メタデータ） (2021-04-20T22:00:54Z)
• From Topic Networks to Distributed Cognitive Maps: Zipfian Topic Universes in the Area of Volunteered Geographic Information [59.0235296929395]
  本研究では,テキストの話題レベルに関する地理情報のエンコードとネットワーク化について検討する。 本研究は,オンラインコミュニケーションにおいて地理的な場所が位置するテーマ宇宙のZipfian組織を示す。 互いに近いかどうかに関わらず、場所はトピックの宇宙における類似の作業にまたがる隣の場所にある。
  論文  参考訳（メタデータ） (2020-02-04T18:31:25Z)

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。